[논문 리뷰] BAYESIAN NONPARAMETRIC DEPENDENT MODEL FOR THE STUDY OF DIVERSITY FOR SPECIES DATA

Judith Rousseau, Kerrie Mengersen외 1명|arXiv (Cornell University)|2014. 02. 13.

Bayesian Methods and Mixture Models인용 수 5

한 줄 요약

이 논문은 환경 요인과 같은 공변량을 포함하여 종별-장소 데이터에 대한 종 다양성을 연구하기 위해 종속 베이지안 비모수 모델을 제안한다. 가우시안 프로세스에 기반한 종속 스틱 브레이킹 구조를 사용하여 공변량 간의 사전 의존성을 유도함으로써, 시뮬레이션 및 남극 토양 데이터에서 종 분포 및 다양성 패턴에 대한 사후 추론을 향상시킨다.

ABSTRACT

We introduce a dependent Bayesian nonparametric model for the probabilistic modelling of species-by-site data, ie population data where observations at different sites are classified in distinct species. These data can be represented as a frequency matrix giving the number of times each species is observed in each site. Our aim is to study the impact of additional factors (covariates), for instance environmental factors, on the data structure, and in particular on the diversity. To that purpose, we introduce dependence a priori across the covariates, and show that it improves posterior inference. We use a dependent version of the Griffiths-Engen-McCloskey distribution, the distribution of the weights of the Dirichlet process, in the same lines as the Dependent Dirichlet process is defined. The prior is thus defined via the stick-breaking construction, where the weights are obtained by transforming a Gaussian process, and the dependence stems from the covariance function of the latter. Some distributional properties of the model are explored. A Markov chain Monte Carlo algorithm for posterior sampling is described, along with the sampling scheme of the predictive distribution for unobserved factors. Both samplers are illustrated on simulated data and on a real data set obtained in experiments conducted in Antarctica soil.

연구 동기 및 목표

• 공변량에 의존하는 다양성 구조를 갖는 종별-장소 생태량 데이터를 모델링하기 위해.
• 기존 비모수 모델이 종 다양성에 대한 공변량 영향을 고려하지 못하는 한계를 해결하기 위해.
• 종 분포 및 다양성에 대한 추론을 향상시키기 위해 공변량 간의 의존성을 유도하는 사전 분포를 개발하기 위해.
• 미관측 또는 새로운 환경 조건에 대한 예측 추론을 가능하게 하기 위해.

제안 방법

• 모델은 그리피스-엔젠페-맥클로스키(GEM) 분포의 종속형 버전을 사용하며, 이를 스틱 브레이킹 과정을 통해 유도한다.
• 스틱 브레이킹 가중치는 가우시안 프로세스를 변환하여 생성되며, 공변량 간의 의존성은 프로세스의 공분산 함수에 의해 결정된다.
• 사전 분포는 종 비율이 공변량에 따라 부드럽게 변화하도록 구성되어 있어, 환경적 영향이 다양성에 미치는 영향을 포착한다.
• 사후 추론은 종속 GEM 구조에 특화된 마르코프 체인 몬테카를로(MCMC) 알고리즘을 사용하여 수행된다.
• 미관측 공변량에 대한 예측 분포는 가우시안 프로세스의 사후 기반 조건부 기반으로 샘플링된다.
• 모델은 시뮬레이션 데이터와 실제 남극 토양 종 데이터에 적용되어 성능을 검증한다.

실험 결과

연구 질문

• RQ1 관측치가 다수의 환경 공변량과 연결되어 있을 때 종 다양성 패턴은 어떻게 모델링할 수 있는가?
• RQ2 공변량에 의존하는 사전 구조를 통합함으로써 종 생태량 및 다양성에 대한 사후 추론은 얼마나 향상되는가?
• RQ3 비모수 모델은 환경 기울기 전역에서 종 조성의 부드럽고 연속적인 변화를 효과적으로 포착할 수 있는가?
• RQ4 제안된 종속 GEM 모델은 독립 비모수 대안 대비 다양성 추세를 얼마나 잘 포착하는가?
• RQ5 모델의 예측 성능는 새로운 또는 관측되지 않은 환경 조건에 대해 어떻게 되는가?

주요 결과

• 종속 사전 구조는 공변량에 의해 유도되는 종 다양성 변화를 더 잘 포착함으로써 사후 추론을 크게 향상시킨다.
• 모델은 시뮬레이션 데이터와 실제 남극 토양 데이터를 모두 사용하여 종 조성의 환경 기울기를 성공적으로 식별한다.
• MCMC 샘플러는 수렴이 잘 되며, 공변량 값 전역에서 종 비율과 다양성 지수의 안정적인 추정치를 제공한다.
• 예측 샘플링 기법은 관측되지 않은 환경 조건에 대한 신뢰할 수 있는 추론을 가능하게 하여 생태학적 연구의 외삽을 지원한다.
• 스틱 브레이킹 가중치에 의존성을 유도하기 위해 가우시안 프로세스를 사용함으로써, 다양성 추세에 대한 민감하고 비모수적인 모델링이 가능해진다.