entonces se eliminan las restricciones de los datos de la demanda utilizando el algoritmo de <g id="1">maximización de expectativas</g> (EM).

Question

Dado un conjunto de eventos {A, B, C, D, E} que se producen una vez cada mes para n años:

[A, B, C, C, B, D, A, B, C, C, B, D] [E, B, C, B, B, D, E, B, C, B, B, D] [C, B, C, D, E, A, A, D, C, C, B, D] //12 months x 3 years pictured ...

Tengo la función de probabilidad p(w, r) = ... que calcula la probabilidad de un evento a seguir a otro (por ejemplo, Una después de B), donde w y r son parámetros que el modelo de salida de tal manera que cuando correctamente recogidos deben ajustarse a los datos de la muestra.

Mi objetivo final es el de predecir los acontecimientos en un año, pero estoy atascado en la utilización de la EM para determinar w y r.

Intuitivamente, lo que hago ahora es:

1. Empezar con un total valor aleatorio para w y r
2. Calcular la probabilidad de cada par en un año (por ejemplo, A y B) el uso de p función, compararla con la actual distribución de probabilidad extraído de las muestras y, básicamente, obtener la probabilidad (v) es para la actual w y r a de ser para adaptarse a las muestras.
3. Ahora mi 3er paso sería modificar w y r , de modo que v deberían converger hacia 1. Esto es donde estoy atascado.

¿Cómo debo usar v para obtener los nuevos valores de w y r , de modo que v eventualmente convergen hacia 1?

EDITAR:

Me gustaría añadir que p , básicamente, me da la estimación de la distribución de probabilidad para el caso de la sucesión. Lo que significa que tengo dos superficies 2D: la estimación y las muestras de las distribuciones de probabilidad y quiero usar w y r a cambio de escala y la superficie estimada de tal forma que mejor se ajusta a la muestra de uno.

Así que mi problema es, ¿cómo puedo comparar los dos después de un paso y cómo debo conseguir nuevos w y r valores para el siguiente paso.

E. g.: Estaba pensando que yo podría usar algún tipo de matriz de la norma, para obtener el grado de similitud entre los dos y, a continuación, utilizar esto para decidir, basado en iteraciones anteriores si debo aumentar w/r o disminuir.

Answer 1

Esencialmente, usted quiere subir la colina, diferenciando $p(w,r)$ con respecto al $w$ $r$ y ajustar a $w$ $r$ por alguna pequeña cantidad constante con el signo correspondiente a la mayor incremento en el gradiente y, a continuación, repita el procedimiento hasta llegar a una maxima.

Ya que estás eligiendo $w$ $r$ al azar y usted no nos dijo cómo se $p(w,r)$ se comporta usted podría no ser capaz de encontrar el máximo global, aunque dependiendo de la forma de la superficie 2d. Si la superficie tiene local de mínimos y máximos, te gustaría reducir esta localización error al inicializar aleatorios múltiples pares de puntos en el inicio de este algoritmo, a continuación, elegir el mejor entre los ensayos.