Supposons que j'ai un ensemble d'échantillons pondérés, où chaque échantillon a un poids correspondant entre 0 et 1. Je voudrais estimer les paramètres d'une distribution de mélange gaussien qui est biaisé vers les échantillons avec un poids plus élevé. Dans le cas habituel, l'estimation du mélange gaussien non pondéré est effectuée via l'algorithme EM. Est-ce que quelqu'un connaît une implémentation (n'importe quelle langue est correcte) qui permet de passer des poids? Si non, quelqu'un sait-il comment modifier l'algorithme pour tenir compte des poids? Si non, quelqu'un peut-il me donner un indice sur la façon d'incorporer les poids dans la formule initiale de la formulation du log-maximum de vraisemblance?Estimer la densité gaussienne (mélange) à partir d'un ensemble d'échantillons pondérés
Merci!
est la minimisation d'erreur « EM », ou tout autre chose? En outre, il existe * de nombreux paquets numériques et d'analyse allant de base et général à hautement spécialisé. Cela peut être utile si vous avez parlé de votre domaine de problème et de votre environnement préféré. Fortran? C++? Java? Python? Êtes-vous OK apprendre un nouvel outil majeur comme R ou root? – dmckee
Ok, alors ma langue préférée serait Python. Mais l'une des langues ci-dessus, sauf la racine (jamais entendu parler) serait aussi bien. EM est l'abréviation de Maximisation des estimations et est un schéma itératif général qui peut être utilisé pour l'estimation des paramètres d'un modèle de mélange gaussien à partir de données. – Christian
Je ne connais pas cette méthode et je ne peux pas faire de recommandations spécifiques. – dmckee