[論文レビュー] R package for Nearest Neighbor Gaussian Process models

Andrew O. Finley, Abhirup Datta+1 more|arXiv (Cornell University)|Jan 24, 2020

Soil Geostatistics and Mapping参考文献 19被引用数 4

ひとこと要約

spNNGP Rパッケージは、MCMCおよびMCMCフリー推論を用いて、ガウス分布および非ガウス分布の結果を伴うスケーラブルな近傍ガウス過程（NNGP）モデルを実装する。このパッケージは、大規模な空間データセットにおける高性能計算を実現するため、OpenMP並列処理を活用しており、非ガウス反応のためのポlya-gamma潜在変数を用いて効率的なモデリングを可能にする。

ABSTRACT

This paper describes and illustrates functionality of the spNNGP R package. The package provides a suite of spatial regression models for Gaussian and non-Gaussian point-referenced outcomes that are spatially indexed. The package implements several Markov chain Monte Carlo (MCMC) and MCMC-free Nearest Neighbor Gaussian Process (NNGP) models for inference about large spatial data. Non-Gaussian outcomes are modeled using a NNGP Polya-Gamma latent variable. OpenMP parallelization options are provided to take advantage of multiprocessor systems. Package features are illustrated using simulated and real data sets.

研究の動機と目的

• 大規模な空間データセットにおける空間回帰のための計算的に効率的なRパッケージの開発。
• NNGPに基づくモデルを用いて、ガウス分布および非ガウス分布の点参照型結果の推論を支援すること。
• 柔軟性とスケーラビリティを実現するため、1つのフレームワーク内でMCMCおよびMCMCフリー推論手法を統合すること。
• マルチプロセッサシステム向けにOpenMP並列処理を活用した高性能コンピューティングを可能にすること。
• 研究者が実際のデータおよびシミュレートされた空間データを効率的に分析できる実用的ツールの提供。

提案手法

• パッケージは、計算コストを低減するため、完全なガウス過程を近似する近傍ガウス過程（NNGP）フレームワークを用いる。
• 非ガウス分布の結果に対しては、共役事後分布の計算を可能にするためにポlya-gamma潜在変数の拡張を採用する。
• 複雑な尤度関数や階層構造を伴うモデルでは、事後分布推論にMCMCサンプリングを用いる。
• MCMCフリー推論は、予測プロセス近似および閉形式の事後更新を介してサポートされる。
• MCMCおよび非MCMCアルゴリズムにおける行列演算およびサンプリングステップの高速化のために、OpenMP並列処理が適用される。
• 実装はモジュラーであり、空間統計モデリングにおける拡張性を考慮して設計されている。

実験結果

リサーチクエスチョン

• RQ1 NNGPモデルは、大規模な空間データセットに対してRでどのように効率的に実装できるか？
• RQ2 空間回帰において、従来のMCMCと比較してMCMCフリー推論がもたらす性能向上はどの程度か？
• RQ3 実際の応用において、ポlya-gamma潜在変数は非ガウス分布の空間的結果をどの程度適切に扱えるか？
• RQ4 OpenMP並列処理は、空間モデリングにおける計算速度をどの程度向上させるか？
• RQ5 精度とスケーラビリティの観点から、提案されたモデルは標準的なガウス過程モデルと比較してどの程度優れているか？

主な発見

• spNNGPパッケージは、MCMCおよびMCMCフリー手法を用いて、大規模な空間データセットにおけるスケーラブルな推論を可能にする。
• ポlya-gamma潜在変数アプローチにより、非ガウスモデルにおける効率的な共役更新が実現される。
• OpenMP並列処理により、マルチコアシステムにおける計算時間が顕著に短縮される。
• パッケージは、シミュレートされたデータおよび実世界の空間データの両方で優れたパフォーマンスを示す。
• MCMCフリー推論は、計算オーバーヘッドを低減しつつも、精度を維持する代替手段として有効である。
• 実装は、さまざまな分布族に適合する点参照型結果の柔軟なモデリングをサポートする。