基于 Bayesian 方法的参数估计和异常值检测

• 作者: 冯牧 尚华 张贝贝
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 线性回归 识别变量 参数估计 异常值 Bayesian 方法 Gibbs 抽样
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 138-142
• 页数: 5页
• 分类号: TP391
• 字数: 3486字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2016.01.021

摘要

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测，传统的做法是先对模型参数进行估计，再进行异常值检测。而异常值的存在会影响参数估计，从而导致下一步异常值检测的不可靠；反之异常值检测也会影响参数估计。针对这些不足之处，提出了基于 Bayesian 方法的参数估计和异常值检测，此方法可以将参数估计和异常值检测同时实现，具体做法是在线性回归模型中引入识别变量，基于 Gibbs 抽样算法，给出识别变量后验概率的计算方法，通过比较这些识别变量的后验概率进行异常值定位，同时给出参数的估算方法。通过大量的模拟实验，结果表明，与传统方法相比，提出的方法对异常值更灵敏。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚华	首都经济贸易大学统计学院	4	22	3.0	4.0
2	张贝贝	首都经济贸易大学统计学院	6	42	4.0	6.0
3	冯牧	中国科学技术大学管理学院	5	15	2.0	3.0