• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Mixture models for ordinal data: a pairwise likelihood approach
【24h】

Mixture models for ordinal data: a pairwise likelihood approach

机译：有序数据的混合模型：成对似然法

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Alatent Gaussian mixture model to classify ordinal data is proposed. The observed categorical variables are considered as a discretization of an underlying finite mixture of Gaussians. The model is estimated within the expectation-maximization (EM) framework maximizing a pairwise likelihood. This allows us to overcome the computational problems arising in the full maximum likelihood approach due to the evaluation of multidimensional integrals that cannot be written in closed form. Moreover, a method to cluster the observations on the basis of the posterior probabilities in output of the pairwise EM algorithm is suggested. The effectiveness of the proposal is shown comparing the pairwise likelihood approach with the full maximum likelihood and the maximum likelihood for continuous data ignoring the ordinal nature of the variables. The comparison is made by means of a simulation study; applications to real data are provided.
机译：提出了一种基于有序高斯混合模型的序数数据分类方法。观察到的类别变量被认为是潜在的高斯有限混合的离散化。该模型是在最大成对可能性的期望最大化（EM）框架内估计的。这使我们能够克服由于无法以封闭形式编写的多维积分的评估而在完全最大似然法中产生的计算问题。此外，提出了一种基于成对EM算法输出中的后验概率对观察结果进行聚类的方法。通过将成对似然法与不考虑变量序数性质的连续数据的最大最大似然和最大似然相比较，显示了该建议的有效性。通过模拟研究进行比较；提供了对真实数据的应用程序。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号