如何向量化多参数下的似然计算？

Question

我正在尝试实现伯努利混合，并且想知道如何在不循环的情况下正确地向量化计算。

我尝试了各种版本的 apply 但无法获得所需的输出 (dim = c(5,4,2)。我的组件参数应该在列表中而不是矩阵中吗？

set.seed(123)

#Data
X <- matrix(sample(c(0,1), 20, replace = TRUE, prob = c(.6, .4)),
               nrow = 5, ncol = 4)

#Params
parameters <-  matrix(runif(8), nrow = 2, ncol = 4)

#Would like to vectorize this
dbinom(X, 1, parameters[1,], log = TRUE)
dbinom(X, 1, parameters[2,], log = TRUE)

Answer 1

我们用 apply 遍历 parameters 的行并应用 dbinom

out1 <- do.call(`c`, apply(parameters, 1, function(x) 
               list(dbinom(X, 1, x, log = TRUE))))

identical(out1[[1]], dbinom(X, 1, parameters[1,], log = TRUE))
#[1] TRUE

identical(out1[[2]], dbinom(X, 1, parameters[2,], log = TRUE))
#[1] TRUE

或使用pmap

library(purrr)
out2 <- pmap(list(x = list(X), size = 1, prob = split(parameters, 
              row(parameters)), log = TRUE), dbinom)

identical(out1, out2)
#[1] TRUE

如何向量化多参数下的似然计算？

How to vectorize likelihood calculation under multiple parameters?

r

mixture-model

expectation-maximization