Supongamos que tengo un conjunto de muestras ponderadas, donde cada muestra tiene un peso correspondiente entre 0 y 1. Me gustaría estimar los parámetros de una distribución de mezcla gaussiana que está sesgado hacia las muestras con mayor peso. En el caso habitual no ponderado, la estimación de la mezcla gaussiana se realiza a través del algoritmo EM. ¿Alguien sabe una implementación (cualquier idioma está bien) que permita pasar pesas? Si no, ¿alguien sabe cómo modificar el algoritmo para tener en cuenta los pesos? Si no, ¿alguien me puede dar una pista sobre cómo incorporar los pesos en la fórmula inicial de la formulación de máxima probabilidad de logaritmo del problema?Estima la densidad gaussiana (mezcla) de un conjunto de muestras ponderadas
Gracias!
Es "EM" minimización de errores, o algo completamente distinto? Además, hay * muchos * paquetes numéricos y de análisis que van desde lo básico y general hasta lo más especializado. Podría ser útil si dijese algo sobre el dominio del problema y el entorno preferido. Fortran? C++? ¿Java? ¿Pitón? ¿Estás bien aprendiendo una nueva herramienta importante como R o root? – dmckee
Ok, entonces mi idioma preferido sería Python. Pero cualquiera de los idiomas anteriores, excepto root (nunca lo escuché), también estaría bien. EM significa Maximización de Estimación y es un esquema iterativo general que se puede usar para la estimación de los parámetros de un modelo de mezcla gaussiana a partir de los datos. – Christian
No estoy familiarizado con ese método y no puedo hacer recomendaciones específicas. – dmckee