[论文解读] Nonparametric Bayesian grouping methods for spatial time-series data

Edward B. Baskerville, Trevor Bedford+2 more|arXiv (Cornell University)|Jun 21, 2013

Bayesian Methods and Mixture Models参考文献 9被引用 3

一句话总结

本文提出了一种非参数贝叶斯框架，通过马尔可夫转移模型对时间序列数据中具有相似时间动态的空间位置进行分组。通过建模离散化患病率水平之间的转移，并利用最大似然、经验贝叶斯或MCMC方法推断分组，该方法识别出动态相似的区域——在霍乱和疟疾动力学的疾病监测研究中得到验证。

ABSTRACT

We describe an approach for identifying groups of dynamically similar locations in spatial time-series data based on a simple Markov transition model. We give maximum-likelihood, empirical Bayes, and fully Bayesian formulations of the model, and describe exhaustive, greedy, and MCMC-based inference methods. The approach has been employed successfully in several studies to reveal meaningful relationships between environmental patterns and disease dynamics.

研究动机与目标

• 开发一种方法，用于识别空间位置组，这些位置在时间序列行为上具有动态相似性，且无需依赖机制建模。
• 解决在传统参数模型不可行的情况下，对传染病数据中复杂时空动态进行建模的挑战。
• 提供一种灵活的非参数方法，避免强参数假设，同时支持对分组和转移概率的推断。
• 通过数据驱动的分组揭示环境因素与疾病动态之间的关系，支持生态学和流行病学研究。
• 提供可扩展的推断方法——穷举法、贪心法和基于MCMC的方法——以实际应用于真实世界的空间时间序列数据集。

提出的方法

• 将空间时间序列数据离散化为L个水平（例如，患病率的分位数），以实现对转移的非参数建模。
• 使用马尔可夫转移模型来建模动态，其中每个位置组共享一个共同的转移概率矩阵 $\mathbf{P}_g$，其行元素之和为1。
• 使用受限增长函数表示分组分配，确保规范形式并避免标签偏差。
• 采用最大似然、经验贝叶斯和完全贝叶斯公式来估计分组和转移概率。
• 应用吉布斯抽样和延迟耦合MCMC（MCMCMC）来探索分组后验分布，实现在大规模组合空间中的随机搜索。
• 通过格雷码优化穷举搜索，最小化连续分组之间转移计数的更新，从而提高计算效率。

实验结果

研究问题

• RQ1 在复杂且非参数的时间序列数据中，如何识别具有相似时间动态的空间位置？
• RQ2 在离散患病率水平的观测转移模式下，最优的空间区域分组是什么，能最大化似然？
• RQ3 如何利用贝叶斯推断来量化分组分配和转移概率的不确定性？
• RQ4 在高维分组空间中，穷举枚举、贪心聚类和基于MCMC的推断之间存在哪些计算权衡？
• RQ5 该方法能否在真实世界疾病监测数据中揭示生物学或流行病学上有意义的分组？

主要发现

• 该方法在无需机制模型的情况下，成功识别出空间时间序列数据中动态相似的区域，从而揭示与环境驱动因素相关的模式。
• 当限制为两个组时，穷举搜索在约30个区域以内是可行的（例如，$2^{29} \approx 5.4 \times 10^8$ 种组合），且可通过格雷码加速。
• 贪心凝聚聚类提供了一种快速但次优的替代方案，在穷举搜索不可行时仍具有效性。
• 结合吉布斯抽样的MCMCMC能够实现对分组和转移概率的完整贝叶斯推断，降低陷入局部最大值的风险。
• 经验贝叶斯公式已成功应用于印度古吉拉特邦疟疾-灌溉研究中的分组推断，以及孟加拉国达卡霍乱动力学的研究。
• 该模型的灵活性使其能够通过嵌入更大层次模型，扩展至复杂系统，如食物网动力学和疾病-环境相互作用研究。