统计学 > 方法论
[提交于 2012年4月24日
(v1)
,最后修订 2012年9月20日 (此版本, v2)]
标题: 排斥混合物
标题: Repulsive Mixtures
摘要: 离散混合模型通常用于密度估计和聚类。在对特定簇的参数进行推断时,当前的频率学方法和贝叶斯方法常常遇到问题,当簇过于接近而无法在科学上具有意义时尤其如此。目前的贝叶斯实践生成独立于公共先验的组件特定参数,这往往倾向于支持相似的组件,并经常导致分配大量概率给那些为了拟合数据而不需要的冗余组件。作为替代方案,我们建议从排斥过程生成组件,这将导致较少、分离更好且更易解释的簇。我们从理论上描述了这种排斥先验,并提出了一个马尔可夫链蒙特卡洛采样算法来进行后验计算。这些方法通过模拟数据以及真实数据集进行了说明。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.