首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >如何识别(多模态)连续变量中的模式

如何识别(多模态)连续变量中的模式
EN

Stack Overflow用户
提问于 2018-07-05 02:12:18
回答 1查看 669关注 0票数 2

我在考虑使用核密度估计,来估计变量的概率密度函数。之后,我们的想法是识别概率密度函数中的峰值。但我现在不知道这是否有意义,以及如何用Java或Python在具体代码中实现这一点。

EN

回答 1

Stack Overflow用户

发布于 2018-07-06 01:02:01

“有多少模式”这个问题的任何答案都必须包含一些关于您认为可能的答案的先验信息,并且任何结果都必须是“p(模式数=k| data) = nnn”的形式。给定这样的结果,您可以弄清楚如何使用它;至少有三种可能性:选择概率最大的结果,选择最小化某些成本函数的结果,或者将任何其他结果平均在这些概率之上。

有了这个开场白,我将推荐一个混合密度模型,具有不同数量的组件。例如,具有1个成分的混合物、具有2个成分的混合物、3、4、5等。请注意,对于k个成分,模式的最大可能数量是k,尽管根据成分的位置和规模,可能会有较少的模式。

可能有许多库可以找到具有固定数量的组件的混合密度的参数。我的猜测是,您将需要螺栓材料与后验概率的组件数量的工作。如果不看,我不知道模式数量的后验概率的公式,尽管它可能很容易计算出来。

我为混合发行版编写了一些Java代码;请参阅:http://riso.sourceforge.net并查找源代码。毫无疑问,还有很多其他的。

后续问题最好直接向stats.stackexchange.com提出。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/51179095

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档