Dopasowywanie rozkładu bimodalnego do zestawu wartości

Question

Biorąc pod uwagę tablicę 1D wartości, jaki jest najprostszy sposób ustalenia, jaki jest najlepszy rozkład bimodalny, gdzie każdy "tryb" jest rozkładem normalnym? Lub, innymi słowy, w jaki sposób można znaleźć połączenie dwóch normalnych dystrybucji, które najlepiej odtwarzają tablicę 1D wartości?

W szczególności jestem zainteresowany implementacją tego w python, ale odpowiedzi nie muszą być specyficzne dla danego języka.

Dzięki!

Answer 1

To, co próbujesz zrobić, nazywa się modelem mieszaniny Gaussa. Standardowym podejściem do rozwiązania tego problemu jest użycie Expendation Maximization, scipy svn zawiera sekcję o uczeniu maszynowym i em o nazwie scikits. Używam go trochę.

Answer 2

Proponuję użyć niesamowitego pakietu scipy. Udostępnia kilka metod optymalizacji.

Istnieje duży problem związany z grubym tłuszczem, polegający na zastosowaniu wstępnie określonego najmniejszego kwadratu dopasowania lub czegoś podobnego.

Oto kilka problemów trafisz na:

1. Hałas większej niż sekunda/obu szczytów.
2. Częściowy szczyt - Twoje dane są obcięte na jednej z granic.
3. Próbkowanie - szerokość pików jest mniejsza niż próbkowanych danych.
4. To nie jest normalne - dostaniesz jakiś rezultat ...
5. Nakładanie - Jeśli szczyty pokrywają przekonasz się, że często jeden pik jest prawidłowo zamontowane, ale drugi będzie apporach zera ...

Answer 3

Po prostu próbuję zrozumieć, dlaczego trzeba dopasować dystrybucję bimodalną do tablicy 1D? Jakie są zalety tego działania?