混合线性回归的非参数估计的 EM 方法
统计方法学
2025-10-17 v1 机器学习
摘要
在混合线性回归模型中，回归系数被视为可能遵循连续或离散分布的随机向量。我们提出两种期望最大化 (EM) 方法来估计此先验分布。第一种算法求解核化版本的非参数最大似然估计 (NPMLE)。该方法不仅能恢复连续先验分布，还能准确估计当先验为离散时聚类的数量。第二种算法旨在逼近 NPMLE，针对具有密度的先验分布。它也能在结合后处理步骤的情况下良好地处理离散先验。我们研究了两种算法的收敛性，并通过仿真和实际数据集的应用展示了其有效性。
引用
@article{arxiv.2510.14890,
title = {EM Approaches to Nonparametric Estimation for Mixture of Linear Regressions},
author = {Andrew Welbaum and Wanli Qiao},
journal= {arXiv preprint arXiv:2510.14890},
year = {2025}
}