Matlab中缺失数据的期望最大化答案

【问题标题】：Expectation Maximization in Matlab on Missing DataMatlab中缺失数据的期望最大化
【发布时间】：2011-11-11 04:22:51
【问题描述】：

我必须使用 EM 来估计两个类中每个类的高斯分布的均值和协方差。它们也缺少一些属性。

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。

最好使用哪个库？

ECM算法与EM算法有何不同？

【问题讨论】：

标签： matlab machine-learning data-mining gaussian expectation-maximization

【解决方案1】：

谢谢大家。但是我使用ecmnmle 来估计参数，然后获得marginals 的分布，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。

【讨论】：

【解决方案2】：

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。

【讨论】：

我认为如果类不知道应该使用这个。因为我知道这些类，所以最好分别将高斯拟合到它们。希望后者能在我的情况下给出更好的结果。

【解决方案3】：

请看PMTK toolkit

这里是EM implementation（适合数据可能包含 NaN 条目的高斯混合）

【讨论】：

??? 'cell' 类型的输入参数的未定义函数或方法 'process_options'。 ==> mixGaussMissingFitEm 在 12 时出错 [model.cpd.mu, model.cpd.Sigma, model.mixWeight, model.doMap, model.diagCov, EMargs] = ...