통계학자를위한 수치 최적화에 대한 참조


9

통계학자를 대상으로 한 수치 최적화 기술에 대한 견고한 참조 (또는 참조)를 찾고 있습니다. 즉, 이러한 방법을 일부 표준 추론 문제 (예 : 공통 모델의 MAP / MLE)에 적용합니다. 경사 하강 (직선 및 확률 론적), EM 및 스핀 오프 / 일반화, 시뮬레이션 어닐링 등

구현에 대한 실용적인 메모가 있기를 바랍니다 (종종 논문이 부족함). 완전히 명시적일 필요는 없지만 최소한 확실한 참고 문헌을 제공해야합니다.

일부 커서 검색은 Ken Lange의 통계학자를위한 수치 해석과 John Monahan의 수치 해석법 등 몇 가지 텍스트를 만들어 냈습니다. 각각의 리뷰는 혼합되어 있고 드문 것 같습니다. 두 가지 중 목차에 대한 설명은 Lange의 책의 두 번째 판이 내가 뒤 따르는 것에 가장 가깝다는 것을 암시합니다.


답변:


5

제임스 젠틀의 ​​전산 통계 (2009).

James Gentle의 Matrix 대수학 : 이론, 계산 및 통계학 응용 분야 (2007 년)의 적용 ,이 책의 끝 부분을 향한 시작은 대단하지만 당신이 찾고있는 것은 아닙니다.

Christopher M. Bishop의 패턴 인식 (2006).

Hastie et al. 통계 학습의 요소 : 데이터 마이닝, 추론 및 예측 (2009).

"왜 행렬과 고차원 배열을 1 차원 배열로 저장하는 것이 더 효율적이며 일반적인 M에서 어떻게 색인을 생성 할 수 있습니까? (0, 1, 3, ...) 방법? " 또는 "그라데이션 디센트, EM 등과 같은 표준 알고리즘을 최적화하는 데 사용되는 일반적인 기술은 무엇입니까?"

기계 학습에 관한 대부분의 텍스트는 찾고자하는 주제에 대한 심도있는 토론을 제공합니다.


두 번째 (일반적인 기술은 무엇입니까 ...). 대부분의 텍스트는 모델을 제시하고 추론하는 방법을 설명합니다. 모델을 맞추고 응용 프로그램에서 모델을 비교하는 방법에 중점을 두는 역의 종류를 찾고 있습니다. MCMC를위한 몇 가지 책이 있는데, 여기에는 서로 다른 샘플러를 비교하고 유용한 곳과 함정 (예 : Gamerman & Lopes)을 설명합니다.
JMS

또한 지금까지 참조 해 주셔서 감사합니다. Hastie 등의 책은 실제로 매우 가깝습니다. 선반에서 벗어난 지 오래되었습니다. 프롬프트 주셔서 감사합니다 :)
JMS


3

Kenneth Lange (Springer, 2004)의 최적화 는 JASA에서 Russell Steele이 검토 했습니다. Jan de Leeuw (courses / 202B) 와 같은 Matrix Calculus and Optimization에 대한 입문 과정에 대한 Gentle 's Matrix algebra 를 사용한 훌륭한 교과서입니다 .


@chi 저 책은 환상적입니다! 나는 리뷰어에게 눈에 띄는 결석 (시뮬레이션 어닐링 및 다양한 확률 적 EM 풍미)이 있음에 동의하지만. 그들의 통계 시리즈에 있기 때문에 이상하다. 그러나 c'est la vie
JMS

또한 Harville의 행렬 대수 책에 익숙하십니까? 그것이 젠틀과 어떻게 비교되는지 궁금합니다. Harville은 좋은 참고 자료이지만 매우 조밀합니다. Gentle 's TOC의 TOC에서 나는 2 부 전체가 "선택된 응용 프로그램"에 전념하는 것을 좋아합니다
JMS

@JMS Nope. 젠틀의 교과서 만 있습니다. (나는 다변량 데이터 분석에 꽤 유용한 것을 제외하고는 일반적으로 수학 교과서를 적당히 사용하기 때문에) 2 부는 응용 프로그램 (9 절)과 3 부는 소프트웨어 문제에 관한 것입니다. 홈페이지는 mason.gmu.edu/~jgentle/books/matbk
chl

예, 더 많이 보면 적용 측면에서 더 많은 것 같습니다. Harville의 책은 정리가 잘되어 있지만 통계에서 중요한 결과에 중점을두고 있습니다. 겹치는 재료에도 불구하고 서로를 잘 보완한다고 생각합니다.
JMS

1

이것에 대한 보충으로 Magnus, JR 및 H. Neudecker (2007)를 찾을 수 있습니다. 통계 및 계량 경제학 응용 프로그램이 포함 된 행렬 미적분학 (Matrix Calculus) . 행렬을 사용하여 무한대 연산을 완벽하게 처리 한 다음 최적화, MLE 및 비선형 최소 제곱과 같은 여러 일반적인 통계 작업에 적용합니다. 하루가 지나면 행렬 알고리즘의 안정성을 파악하게되면 행렬 미적분을 잘 파악하는 것이 필수적입니다. 공간 통계와 다변량 파라 메트릭 모델에서 점근 적 결과를 도출하기 위해 행렬 미적분학 도구를 개인적으로 사용했습니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.