問題タブ [mixture-model]

これがRの質問というよりも統計の質問である場合は、お詫び申し上げます。Rで次のモデルを推定しようとしています。

y_t = mu0（1-S_t）+ mu1 S_t + e_t e_t〜N（0、sigma_t ^ 2）sigma_t ^ 2 = sigma_0 ^ 2（1-S_t）+ sigma_1 ^ 2 S_t

ここで、S_t=0の場合はmu_t=mu0、S_t=1の場合はmu_t=mu1、S_tは0または1のマルコフ過程であり、遷移確率はP（S_t = 1 | S_t-1 = 1）= pおよびP（S_t = 0 | S_t-1 = 0）=q。

'flexmix'はこれに使用するのに適したライブラリでしょうか？私はこの種の統計に慣れていないので、適切なライブラリへのポインタをいただければ幸いです。

ありがとう、

M状態の中から状態jが確率p_jで選択されるモデルがあります。確率は任意の実数である可能性があります。これは、M 状態の混合モデルを指定します。すべての j の p_j に一定時間でアクセスできます。多数 (N) のランダム サンプルを作成したいと考えています。最も明白なアルゴリズムは

1) 累積確率分布 P_j = p_1+p_2+...p_j を計算します。O(M)

2) 各サンプルに対して、[0,1] のランダムな float x を選択します。オン）

3) 各サンプルについて、min(0,P_j-1) < x <= max(1,P_j) となるように j を選択します。O(ログ(M))

したがって、漸近的な複雑さは O(Nlog(M)) です。N の係数は明らかにやむを得ないのですが、log(M) について疑問に思っています。現実的な実装でこの要因を打ち負かすことは可能ですか?

Java でGMM (ガウス混合モデル)を作成するにはどうすればよいですか? MATLAB にはいくつかの実装がありますが、それに関するドキュメントと Java のサンプル コードを探しています。

PS:可能であれば、コードに Weka の実装をどのように採用できますか?

PS 2: http://www.lix.polytechnique.fr/~nielsen/MEF/を見つけました。GMM のソース コードはどこにあるので、自分のコードに採用できますか?

PS 3:見つかった他のコードは次のとおりです: http://www.dii.unisi.it/~freno/JProGraM.htmlですが、それを採用する方法にはまだ問題があります。入力の List を指定し、アルゴリズムからすべての分類された要素のリストを取得する必要があります。

アプリオリな情報を最大限に活用して制約を追加できるようにするために、(通常の EM ベースではなく) フィッティング/分類にギブス サンプリング ベースのアプローチを使用する多変量 GMM の C++ 実装を探しています。多くの場合、ディリクレ プロセス ガウス混合モデルまたは DPGMM として知られています。

私はすでにこれをMatlabに実装していますが、このコードの変換に時間を費やすのではなく(はい、コードは組み込みのmatlabコーダーを使用して変換しますが、現在はさまざまな追加のMatlabライブラリに依存しています)。また、効率も重要です。GMM を 1 秒間に何度も大規模なデータ セットに適合させます。

したがって、すでによく知られている効率的なコードが存在するかどうかを知りたいと思っています。最初の検索ではあまりヒットしませんでした。

matlab を使用してデータをガウス混合モデルに適合させようとしていますが、問題は、これを行うための最適なコンポーネント数を決定できないことです。また、その最適な数を取得するためのビルド関数が既にある場合は、助けてください。

C で GMM (Gaussian Mixture Model) を作成するにはどうすればよいですか。Matlab にはいくつかの実装がありますが、それに関するドキュメントと C++ ではなく C のサンプル コードを探しています。

混合モデルを解くために pymix パッケージを使用しています。

私は後ですることはできません

そして、3つのガウス混合物の最終的な手段と標準を見ることができます。問題は、これらの手段と std にアクセスしていくつかの計算を行いたいが、その方法がわからないことです.m.EM()は、最後の反復から事後行列と対数尤度のタプルを返しますが、明らかにこれらではありません平均と標準偏差、ここに欠けているものはありますか? よろしくお願いします。

コンポーネントの重みを等しく設定し、対角共分散を共有できるガウス混合モデル クラスタリング アルゴリズムを探しています。一連のデータを分析する必要がありますが、自分でコードを書く時間がありません。

私はpython scikit-learnパッケージのガウス混合モデルを使用してデータセットをトレーニングしていますが、コーディング時にそれを見つけました

-- G=mixture.GMM(...)

-- G.フィット(...)

-- G.score(合計機能)

結果の対数確率は正の実数です...なぜですか? 対数確率は負であることが保証されていませんか?

わかった。ガウス混合モデルが返すものは、確率「質量」ではなく対数確率「密度」であるため、正の値は完全に合理的です。

共分散行列が特異値に近い場合、GMM はうまく機能しません。一般に、データがそのような生成タスクに適していないことを意味します。

私はGMMを使用して、ビデオフレーム内のさまざまな色の期待値の最大化を見つけようとしています。それに従って、どちらがドミナントカラーかを判断します。

そのため、私の問題は、GMMベースのEMを実行して、さまざまな色の期待値を取得して比較するにはどうすればよいかということです。