基于矩阵型偏斜 t 分布的稳健分类
统计方法学
2024-07-30 v1
摘要
矩阵型数据分析在文献中越来越常见，尤其是在聚类和分类领域。众所周知，真实数据，包括矩阵型数据，常常表现出高度的非对称性。为解决这一问题，常见做法是向对称分布引入尾部或偏斜参数。在此基础上，我们引入了一种新分布，即矩阵型偏斜 t 分布 (MVST)，其提供了关于重尾和偏斜的灵活性。我们对 MVST 分布的各种特征和概率性质进行了彻底的调查。我们还探索了将此分布扩展到有限混合模型。为了估计 MVST 分布的参数，我们开发了一个高效的 EM 类型算法，用于计算最大似然 (ML) 参数估计。为验证所developed模型和相关方法的有效性和有用性，我们使用模拟数据以及三个真实数据实例进行实验。我们的结果表明，所developed方法在处理非对称矩阵型数据方面具有有效性。
关键词
引用
@article{arxiv.2407.19744,
title = {Robust classification via finite mixtures of matrix-variate skew t distributions},
author = {Abbas Mahdavi and Narayanaswamy Balakrishnan and Ahad Jamalizadeh},
journal= {arXiv preprint arXiv:2407.19744},
year = {2024}
}