拟合偏移非对称拉普拉斯混合分布时应对无限似然问题
统计方法学
2023-03-28 v1
摘要
偏移非对称拉普拉斯混合分布被引入作为一种基于模型的聚类工具，除位置与尺度外可直接参数化偏度。遵循常见做法，开发了期望最大化算法来拟合这些混合分布。然而，为应对“无限似然问题”所作的修正导致拟合虽具良好分类性能，却以参数恢复为代价。本文通过为偏移非对称拉普拉斯混合分布开发一种新颖的贝叶斯参数估计方案，提出了对该问题更有价值的解决方案。通过模拟研究，我们表明所提参数估计方案相较基于期望最大化的方案给出更优参数估计。此外，我们还表明其分类性能与基于期望最大化的方案相当，且某些情况下更优。两种方案的性能也使用知名真实数据集进行了评估。
引用
@article{arxiv.2303.14211,
title = {Tackling the infinite likelihood problem when fitting mixtures of shifted asymmetric Laplace distributions},
author = {Yuan Fang and Brian C. Franczak and Sanjeena Subedi},
journal= {arXiv preprint arXiv:2303.14211},
year = {2023}
}