基于刀切法、自助法和加权似然自助法的高斯混合模型聚类参数不确定性研究
统计计算
2019-07-23 v5 统计方法学
摘要
混合模型是基于模型的聚类中的常用工具。此类模型常通过最大化似然的过程拟合，例如 EM 算法。在收敛时，通常会给出最大似然参数估计，但在大多数情况下很少关注与这些估计相关的变异性。这部分可能是因为标准误并未在模型拟合算法中直接计算，要么是因为拟合模型不需要它们，要么是因为它们难以计算。因此，基于模型的聚类中标准误的检验通常被忽视。广泛使用的 R 包 mclust 最近引入了自助法与加权似然自助法以促进标准误估计。本文提供了这些方法（连同刀切法）在生成混合参数标准误与置信区间方面的经验比较。这些方法在一个模拟研究以及传统的 Old Faithful 数据集与 Thyroid 数据集中加以说明和对比。
引用
@article{arxiv.1510.00551,
title = {Investigation of Parameter Uncertainty in Clustering Using a Gaussian Mixture Model Via Jackknife, Bootstrap and Weighted Likelihood Bootstrap},
author = {Adrian O'Hagan and Thomas Brendan Murphy and Luca Scrucca and Isobel Claire Gormley},
journal= {arXiv preprint arXiv:1510.00551},
year = {2019}
}