matlab - Matlab中缺失数据的期望最大化

Question

我必须使用EM来估计这两个类中每一类的高斯分布的均值和协方差。他们也有一些缺失的属性。

每个对象的类是已知的。因此，问题基本上归结为拟合缺少元素的高斯模型。

哪个库最好用？

ECM算法与EM算法有何不同？

Answer 1

如果您有权访问统计工具箱，则可以使用GMDISTRIBUTION类使用 EM 算法拟合高斯混合模型。

这是一个例子：

%# sample dataset
load fisheriris
data = meas(:,1:2);
label = species;

%# fit GMM using EM
K = 2;
obj = gmdistribution.fit(data, K);

%# assign points to mixtures: argmax_k P(M(k)|data)
P = posterior(obj, data);
[~,mIDX] = max(P,[],2);

%# GMM components
obj.mu             %# means
obj.Sigma          %# covariances
obj.PComponents    %# mixture weights

%# visualize original data clusters
figure
gscatter(data(:,1), data(:,2), label)

%# visualize mixtures found
figure
gscatter(data(:,1), data(:,2), mIDX), hold on
ezcontour(@(x,y)pdf(obj,[x y]), xlim(), ylim())

如果没有，请查看出色的Netlab Toolbox，因为它具有 GMM 实现。

Answer 2

谢谢大家。但是我使用ecnmle来估计参数，然后获得边际分布，稍后在贝叶斯分类中使用。它在 2 个类上以 0.9 和 0.69 的精度工作得很好。

Answer 3

请查看PMTK 工具包

这是EM 实现（适合数据可能包含 NaN 条目的高斯混合）