高斯混合模型
Gaussian Mixture Models
我已经看到使用最大似然估计找到高斯混合模型。有没有不使用最大似然估计的另一种解决方法？
在Gaussian Mixture模型中，在参数估计时，会涉及到Expectation-Maximization算法，所以只用最大似然估计是方便的（理论上也是正确的）
有关更多信息和统计资料，您可以查看本书的第 2 章和第 3 章：
McLachlan、Geoffrey J.、Sharon X. Lee 和 Suren I. Rathnayake。 “有限混合模型。”统计年鉴及其应用6（2019）：355-378.
一般来说，GMM有两个主要问题：
在最小化过程的有限次迭代中，算法未收敛。
在不同的运行中，您可以得到不同的参数估计值。
因此，您面临两个主要问题：第一个是计算时间，最后一个是参数估计的稳健性。
您可以解决第一个问题，给出由 Kmeans 计算的起点（或者我建议使用模糊聚类），而第二个问题使用频率论方法，因此多次重复参数估计。
我已经看到使用最大似然估计找到高斯混合模型。有没有不使用最大似然估计的另一种解决方法？
在Gaussian Mixture模型中，在参数估计时，会涉及到Expectation-Maximization算法，所以只用最大似然估计是方便的（理论上也是正确的）
有关更多信息和统计资料，您可以查看本书的第 2 章和第 3 章：
McLachlan、Geoffrey J.、Sharon X. Lee 和 Suren I. Rathnayake。 “有限混合模型。”统计年鉴及其应用6（2019）：355-378.
一般来说，GMM有两个主要问题：
在最小化过程的有限次迭代中，算法未收敛。
在不同的运行中，您可以得到不同的参数估计值。
因此，您面临两个主要问题：第一个是计算时间，最后一个是参数估计的稳健性。
您可以解决第一个问题，给出由 Kmeans 计算的起点（或者我建议使用模糊聚类），而第二个问题使用频率论方法，因此多次重复参数估计。