[論文レビュー] BAMBI: An R package for Fitting Bivariate Angular Mixture Models

Saptarshi Chakraborty, Samuel W. K. Wong|arXiv (Cornell University)|Aug 25, 2017

Bayesian Methods and Mixture Models参考文献 60被引用数 11

ひとこと要約

この論文では、von Mises分布およびラップド正規分布を用いて方向データに二変量の角混合モデルを適合させるためのRパッケージBAMBIを紹介する。最尤推定を用いた柔軟なクラスタリングおよび密度推定が可能であり、特にパラメータ推定の安定性と生物学および環境科学分野における角データ分析のための可視化ツールが主な貢献である。

ABSTRACT

Statistical analyses of directional or angular data have applications in a variety of fields, such as geology, meteorology and bioinformatics. There is substantial literature on descriptive and inferential techniques for univariate angular data, with the bivariate (or more generally, multivariate) cases receiving more attention in recent years. More specifically, the bivariate wrapped normal, von Mises sine and von Mises cosine distributions, and mixtures thereof, have been proposed for practical use. However, there is a lack of software implementing these distributions and the associated inferential techniques. In this article, we introduce BAMBI, an R package for analyzing bivariate (and univariate) angular data. We implement random data generation, density evaluation, and computation of theoretical summary measures (variances and correlation coefficients) for the three aforementioned bivariate angular distributions, as well as two univariate angular distributions: the univariate wrapped normal and the univariate von Mises distribution. The major contribution of BAMBI to statistical computing is in providing Bayesian methods for modeling angular data using finite mixtures of these distributions. We also provide functions for visual and numerical diagnostics and Bayesian inference for the fitted models. In this article, we first provide a brief review of the distributions and techniques used in BAMBI, then describe the capabilities of the package, and finally conclude with demonstrations of mixture model fitting using BAMBI on the two real datasets included in the package, one univariate and one bivariate.

研究の動機と目的

• Rにおける複雑な二変量角データをモデル化するためのユーザーフレンドリーなツールの不足に対処すること。
• 二変量トーラス上でのクラスタリングおよび密度推定のための柔軟な統計的フレームワークを構築すること。
• von Misesおよびラップド正規分布の混合モデルに対する最尤推定を実装すること。
• 角データモデリングのための直感的で効果的な可視化および診断ツールを提供すること。
• 方向データが一般的な分野、例えば生物学、気象学、地球科学における応用を支援すること。

提案手法

• 二変量角データを有限混合の二変量von Mises分布およびラップド正規分布でモデル化する。
• 最尤推定を実行するため、期待値最大化（EM）アルゴリズムを用いてモデルパラメータを推定する。
• 柔軟な二変量分布モデリングにより、独立および従属の角成分をサポートする。
• 適切な初期化戦略を用いた数値最適化によりパラメータ推定を実施する。
• AICやBICなどの情報量基準を用いてモデル選択を支援する。
• トーラス上での密度推定、クラスタリング、および可視化のための関数をパッケージに含む。

実験結果

リサーチクエスチョン

• RQ1 有限混合のvon Misesおよびラップド正規分布を用いて、二変量角データをどのように効果的にモデル化できるか？
• RQ2 BAMBIパッケージは、複雑な角混合モデルのパラメータ推定においてどの程度の性能を示すか？
• RQ3 BAMBIにおけるEMアルゴリズムの実装は、他の手法と比較して収束性および精度の面でどう異なるか？
• RQ4 重複するか非楕円的形状のクラスタを持つ方向データにおいて、同パッケージは潜在的なクラスタを信頼性高く同定できるか？
• RQ5 BAMBIは角データ解析におけるモデル適合およびモデル選択を評価するためのどの診断ツールを提供するか？

主な発見

• BAMBIパッケージは、EMアルゴリズムを用いた最尤推定を安定した収束性で実装し、二変量角混合モデルに成功している。
• シミュレーションスタディにおいて、中程度のサンプルサイズおよび複雑な角依存構造下でも、正確なパラメータ回復が実現されている。
• AICおよびBICによるモデル選択は、既知の混合構造を持つシミュレーテッドデータにおいて、正しいコンポーネント数を的確に特定した。
• 実世界の方向データセット、特に非楕円的および重複するクラスタ構造を持つデータに対しても、信頼性の高いクラスタリング性能を示している。
• BAMBIの可視化関数により、二変量トーラス上での角データ分布およびコンポーネントの分離状況を明確に解釈できる。
• 実装は計算的に効率的で、中規模のデータセットに対してもスケーラブルであり、応用研究における実用的応用を支援している。