带协变量与噪声分量的高斯简约聚类模型
统计方法学
2021-07-15 v3
摘要
我们考虑针对连续相关数据的基于模型的聚类方法，通过提出 MoEClust 模型套件，来考虑在存在混合类型固定协变量时可用的外部信息。这些模型通过将混合模型的参数建模为协变量的函数，允许不同的协变量子集影响分量权重和/或分量密度。我们也容纳了分量协方差矩阵的一系列常见的约束特征分解参数化。因此，本文解决了以下两个等价目标：在高斯简约聚类模型中纳入协变量，以及将简约协方差结构引入高斯专家混合框架的所有特例。MoEClust 模型在单变量和多变量数据集的应用中，从两个角度均展现出显著改进。我们还提出了新颖的扩展，包括用于捕获离群点的均匀噪声分量，以及解决 EM 算法的初始化、模型选择和结果可视化问题。
引用
@article{arxiv.1711.05632,
title = {Gaussian Parsimonious Clustering Models with Covariates and a Noise Component},
author = {Keefe Murphy and Thomas Brendan Murphy},
journal= {arXiv preprint arXiv:1711.05632},
year = {2021}
}
备注
Published in Advances in Data Analysis and Classification