Questions tagged «gaussian-mixture»

问题 我想拟合简单的2高斯混合总体的模型参数。考虑到围绕贝叶斯方法的所有炒作，我想了解贝叶斯推断是否比传统拟合方法更好。 到目前为止，MCMC在此玩具示例中的表现非常差，但也许我只是忽略了一些东西。因此，让我们看一下代码。 工具 我将使用python（2.7）+ scipy堆栈，lmfit 0.8和PyMC 2.3。 可以在此处找到重现分析的笔记本 产生数据 首先让我们生成数据： from scipy.stats import distributions # Sample parameters nsamples = 1000 mu1_true = 0.3 mu2_true = 0.55 sig1_true = 0.08 sig2_true = 0.12 a_true = 0.4 # Samples generation np.random.seed(3) # for repeatability s1 = distributions.norm.rvs(mu1_true, sig1_true, size=round(a_true*nsamples)) s2 = …

10 bayesian  gaussian-mixture  frequentist  pymc  method-comparison 

我从事很多统计建模工作，例如隐马尔可夫模型和高斯混合模型。我看到在每种情况下训练好的模型都需要大量的数据（对于HMM来说> 20000句子），这些数据是从与最终使用类似的环境中获取的。我的问题是： 文献中是否有“足够的”训练数据的概念？多少训练数据“足够好”？ 如何计算要训练的“良好”（识别准确率高（> 80％）的模型）需要多少个句子？ 我如何知道模型是否经过正确训练？模型中的系数会开始出现随机波动吗？如果是这样，我该如何区分由于模型更新而引起的随机波动和实际变化？ 如果需要更多标签，请随时重新标记该问题。

10 modeling  hidden-markov-model  gaussian-mixture 

我正在尝试在R中拟合离散时间模型，但不确定如何执行。 我读过您可以将因变量组织在不同的行中，每个时间观察行一个，并将该glm函数与logit或cloglog链接一起使用。从这个意义上讲，我有三列：ID，Event（在每个时间范围内为1或0）和Time Elapsed（自观察开始以来）以及其他协变量。 如何编写适合模型的代码？哪个因变量？我想我可以将其Event用作因变量，并将其包括Time Elapsed在协变量中。但是，会发生什么ID呢？我需要吗？ 谢谢。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

我是使用GMM的新手。我无法在线找到任何适当的帮助。任何人都可以在“如何确定使用GMM是否适合我的问题？”方面为我提供正确的资源。或出现分类问题“如何决定是否必须使用SVM分类或GMM分类？”

9 classification  svm  gaussian-mixture  generalized-moments 

我试图实现与随机变推理高斯混合模型，如下文。 这是高斯混合的pgm。 根据本文，随机变异推断的完整算法为： 我仍然对将其缩放到GMM的方法感到非常困惑。 首先，我认为局部变分参数仅为qzqzq_z，其他均为全局参数。如果我错了，请纠正我。步骤6是什么意思as though Xi is replicated by N times？我应该怎么做才能做到这一点？ 你能帮我吗？提前致谢！

9 machine-learning  bayesian  clustering  gaussian-mixture  variational-bayes 

我正在研究高斯混合模型，自己提出这个问题。 假设的基础数据从混合物产生高斯分布和他们每个人都有一个平均向量μ ķ ∈ [R p，其中1 ≤ ķ ≤ ķ和他们每个人都有相同的协方差矩阵Σ，并假定此Σ是对角矩阵。并假设混合比为1 / K，即每个簇具有相同的权重。ķKKμk∈Rpμk∈Rp\mu_k\in\mathbb{R}^p1≤k≤K1≤k≤K1\leq k\leq KΣΣ\SigmaΣΣ\Sigma1/K1/K1/K 因此，在这个理想的例子中，唯一的工作是估计均值向量μ ķ ∈ [R p，其中1 ≤ ķ ≤ ķ和共方差矩阵Σ。KKKμk∈Rpμk∈Rp\mu_k\in\mathbb{R}^p1≤k≤K1≤k≤K1\leq k\leq KΣΣ\Sigma 我的问题是：如果我们用EM算法，我们将能够始终如一地估计和Σ，即，当样本大小ñ →交通∞，将EM算法产生的估计实现的真正价值μ ķ和Σ？μkμk\mu_kΣΣ\Sigman→∞n→∞n\rightarrow\inftyμkμk\mu_kΣΣ\Sigma

9 self-study  expectation-maximization  gaussian-mixture  consistency