用于聚类高维数据的混合 $t$-因子分析器
统计方法学
2025-08-06 v2 高能天体物理现象
应用统计
统计计算
机器学习
摘要
本文发展了一种新型混合方法，用于估计 -因子分析器 (MtFA) 的混合模型，后者采用多变量 -分布和因子模型对分组数据进行聚类和特征化。传统的 MtFA 估计方法在高维设置下面临计算挑战，其中大型协方差矩阵的特征分解和 Expectation-Maximization (EM) 算法的迭代性质导致可扩展性问题。我们提出一种计算方案，将 profile likelihood 方法整合到 EM 框架中，以有效获取模型参数估计。通过仿真演示，我们的方法在保持聚类准确性和对异常值的鲁棒性的同时，显著优于现有方法在计算效率方面的表现。我们将方法应用于聚类 Gamma 射线暴，强化文献中 Gamma 射线暴具有异质亚群的若干声明，并对估计的群进行特征化。
引用
@article{arxiv.2504.21120,
title = {A Hybrid Mixture of $t$-Factor Analyzers for Clustering High-dimensional Data},
author = {Kazeem Kareem and Fan Dai},
journal= {arXiv preprint arXiv:2504.21120},
year = {2025}
}