找出连续变量中所有模式的最佳方法是什么？我正在尝试为此开发一个 java 或 python 算法。
我正在考虑使用核密度估计来估计变量的概率密度函数。之后，想法是识别概率密度函数中的峰值。但我现在不知道这是否有意义以及如何在 Java 或 Python 的具体代码中实现它。
【问题讨论】：
标签： machine-learning statistics probability probability-density kernel-density
对“多少模式”问题的任何回答都必须包含一些关于您认为可能的答案的先验信息，并且任何结果必须采用“p（模式数 = k | 数据）= nnn”的形式。给定这样的结果，您可以弄清楚如何使用它；至少有三种可能性：选择概率最大的一种，选择最小化某个成本函数的一种，或者对这些概率的任何其他结果进行平均。
在开场白之后，我将推荐一个混合密度模型，其中包含不同数量的组件。例如。 1 个分量的混合、2 个分量的混合、3、4、5 等。请注意，对于 k 个分量，最大可能的模态数是 k，尽管根据分量的位置和比例，可能有更少的模态.
可能有许多库可以找到具有固定数量成分的混合密度的参数。我的猜测是，您将需要使用这些东西来处理组件数量的后验概率。不看，我不知道模式数量的后验概率的公式，尽管它可能很简单。
我为混合分发编写了一些 Java 代码；请参阅：http://riso.sourceforge.net 并查找源代码。毫无疑问还有很多其他的。
后续问题最好直接发送至 stats.stackexchange.com。
【讨论】：