抽象的

本文介绍了一个适用于异构数据集的自动探索性分析的一般贝叶斯非参数潜在特征模型，其中描述每个对象的属性可以是离散的，连续的或混合变量。建议的模型呈现了几个重要的属性。首先，它会考虑异构数据，而可以在线性时间相对于对象和属性的数量推断。其次，其贝叶斯非参数性质使我们能够自动从数据中自动推断模型复杂性，即捕获数据中潜在结构所需的功能数量。第三，模型中的潜在特征是二进制值变量，缓解了数据探索任务中获得的潜在功能的可解释性。

作者

伊莎贝尔·瓦拉，梅兰妮F. Pradier，Zoubin Ghahramani.

会议

机器学习中人类解释性的ICML研讨会

全文

“数据探索任务的一般潜在特征建模”（PDF）

优步AI.