Si supponga di avere una serie di campioni ponderati, in cui ogni campione ha un peso corrispondente compreso tra 0 e 1. Mi piacerebbe stimare i parametri di una distribuzione di miscela gaussiana che è sbilanciato verso i campioni con un peso maggiore. Nel solito caso non pesato, la stima della miscela gaussiana viene eseguita tramite l'algoritmo EM. Qualcuno sa un'implementazione (qualsiasi lingua è ok) che consente di superare i pesi? In caso contrario, qualcuno sa come modificare l'algoritmo per tenere conto dei pesi? In caso contrario, qualcuno può darmi un suggerimento su come incorporare i pesi nella formula iniziale della formulazione massima del log-verosimiglianza del problema?Calcolo della densità gaussiana (miscela) da una serie di campioni ponderati
Grazie!
è "EM" minimizzazione errore o qualcosa di completamente diverso? Inoltre, ci sono * molti * pacchetti numerici e di analisi che vanno dal semplice al generale al più specializzato. Potrebbe aiutarti se hai detto qualcosa sul tuo dominio problematico e sull'ambiente preferito. Fortran? C++? Giava? Pitone? Stai bene imparando un nuovo strumento importante come R o root? – dmckee
Ok, allora il mio linguaggio preferito sarebbe Python. Ma una delle lingue sopra elencate tranne la radice (mai sentita) dovrebbe essere ok. EM sta per Massimizzazione della stima ed è uno schema iterativo generale che può essere utilizzato per la stima dei parametri di un modello di miscela gaussiana dai dati. – Christian
Non ho familiarità con questo metodo e non posso dare consigli specifici. – dmckee