On the properties of Gaussian Copula Mixture Models

要約

タイトル：ガウスコプラ混合モデルの特性について

要約：
– ガウスコプラ混合モデル（GCMM）は、コプラ概念を使用してガウス混合モデルを一般化したものである。
– この論文では、GCMMの数学的定義が示され、尤度関数の特性が研究されている。
– これらの特性に基づいて、拡張EMアルゴリズムがコプラの混合物のパラメータ推定に使用され、各成分に対応する周辺分布は別個の非パラメトリック統計的方法を使用して推定される。
– 実験では、同じクラスタ数の場合、GCMMはGMMよりもより良い適合度を達成できることが示され、さらに、各次元の非同期データを利用して、データの深いマイニングを達成できる。

要約(オリジナル)

Gaussian copula mixture models (GCMM) are the generalization of Gaussian Mixture models using the concept of copula. Its mathematical definition is given and the properties of likelihood function are studied in this paper. Based on these properties, extended Expectation Maximum algorithms are developed for estimating parameters for the mixture of copulas while marginal distributions corresponding to each component is estimated using separate nonparametric statistical methods. In the experiment, GCMM can achieve better goodness-of-fitting given the same number of clusters as GMM; furthermore, GCMM can utilize unsynchronized data on each dimension to achieve deeper mining of data.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI