基于 Bayesian 方法的参数估计和异常值检测

摘要：

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测，传统的做法是先对模型参数进行估计，再进行异常值检测。而异常值的存在会影响参数估计，从而导致下一步异常值检测的不可靠；反之异常值检测也会影响参数估计。针对这些不足之处，提出了基于 Bayesian 方法的参数估计和异常值检测，此方法可以将参数估计和异常值检测同时实现，具体做法是在线性回归模型中引入识别变量，基于 Gibbs 抽样算法，给出识别变量后验概率的计算方法，通过比较这些识别变量的后验概率进行异常值定位，同时给出参数的估算方法。通过大量的模拟实验，结果表明，与传统方法相比，提出的方法对异常值更灵敏。

关键词：线性回归、识别变量、参数估计、异常值、Bayesian 方法、Gibbs 抽样

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金11426159；首都经济贸易大学研究生科技创新项目12013120061Foundation ItemsThe National Natural Science Foundation of China11426159；The Postgraduate Technology Innovation Project of Capital University of Economics and Business 12013120061

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：138-142