在混合模型的MCMC估计中是否有标准方法来处理标签切换问题？

15

使用MCMC估计混合模型时，标签切换（即，后验分布对于切换组件标签是不变的）是一个有问题的问题。

是否有一种标准的方法（如被广泛接受的方法）来解决该问题？
如果没有标准方法，那么解决标签交换问题的主要方法的利弊是什么？

bayesian mcmc mixture

— ub
source

我正在考虑问“对于具有随机斜率的模型，如何在lmer上建立MCMC输出模型？” 但我想知道这个问题是否对这个问题是多余的。也就是说，使用MCMC估计混合模型时的“标签切换问题”是否也引起了相同的问题，使得languageR中的pvals.fnc（）能够MCMC截获模型，但不能截获具有斜率的模型？如果不是，请让我知道，我将回头问我最初的问题。

— russellpierce 2010年

@drknexus我不知道R在您的问题中发表评论。也许，您应该在问题上发表评论，以使您的qn可能与此行对应。

14

关于这个问题，最近有一个不错的讨论：

克里斯蒂安·P·罗伯特（Christian P. Robert）多模式和标签转换：讨论。关于混合物的研讨会，ICMS，2010年3月3日。

本质上，有几种标准策略，每种策略各有利弊。最明显的事情是以确保仅存在一个后验模式的方式来构造先验（例如，对混合成分的均值进行排序），但这对后验产生了奇怪的影响，并且因此通常不使用。接下来是忽略采样期间的问题，然后对输出进行后处理以重新标记组件以保持标记一致。这很容易实现，似乎可以正常运行。更复杂的方法可以通过保持单一模式或故意随机排列标签以确保在多种模式下混合来在线重新标记标签。我非常喜欢后一种方法，但这仍然留下了如何有意义地总结输出的问题。但是，我认为这是一个单独的问题。

— 达伦·威尔金森（Darren Wilkinson）
source

1

似乎链接已断开

— Edgar Santos

我通过在web.archive.org上找到该链接并提供指向作者在SlideShare上托管的thos幻灯片副本的链接来修复该链接。

— 蒂姆

9

Gilles Celeux还致力于标签切换问题，例如

G. Celeux，混合的贝叶斯推断：标签切换问题。 文献Compstat 98，第227-232页，Physica-Verlag（1998）。

作为对@darrenjw好的回答的补充，以下是两篇在线文章，它们回顾了替代策略：

Jasra等人，“ 马尔可夫链蒙特卡罗方法”和贝叶斯混合物建模中的标签切换问题
Sperrin等人，贝叶斯混合模型中标签切换问题的概率重标记策略

— hl
source