تصحیح روش یادگیری آمیخته تقویت شده با استفاده از آزمون وونگ و کاربرد آن در مدل آمیخته گاما

روش یادگیری آمیخته تقویت شده (‎(bml)، روشی فزاینده برای یادگیری مدل‌های آمیخته در مسئله طبقه‌بندی است. در هر مرحله از روش یادگیری آمیخته تقویت شده، مولفه جدیدی با توجه به یک تابع هدف در جهت به حداکثر رساندن تابع هدف به مدل آمیخته اضافه می‌شود. از جمله توابع هدف مورد استفاده در این روش، تابع درستنمایی و به‌طور معادل معیارهای اطلاع هستند. در این روش مولفه جدیدی به مدل آمیخته اضافه می‌شود که باعث بیشترین افزایش تابع درستنمایی شود. چون تابع درستنمایی و معیارهای اطلاع توانایی تشخیص مدل‌های معادل را ندارد، بنابراین ممکن است مدل‌ آمیخته جدید و مدل آمیخته فعلی معادل باشند و اضافه کردن مولفه جدید به مدل آمیخته فعلی باعث بهبود مدل نشود. در این مقاله روش یادگیری آمیخته تقویت شده با استفاده از آزمون انتخاب مدل وونگ که توانایی تشخیص مدل‌های معادل را دارد، تصحیح شده است. همچنین عملکرد دو روش یادگیری با استفاده از داده‌های شبیه‌سازی و مجموعه داده‌های واردات کالای ایالات متحده توسط گمرک ارزیابی شده است.

correcting boosted mixture learning method using vuong's test and its application in the gamma mixture model‎

‎the boosted mixture learning method‎, ‎bml‎, ‎is an incremental method to learn mixture models for the classification problem‎. ‎in each step of the boosted mixture learning method‎, ‎a new component is added to the mixture model according to an objective function to ensure that the objective function is maximized‎. ‎sometimes the likelihood function or equivalently information criteria are defined as the objective function of bml‎. ‎the mixture model is updated whenever a new component is added to the mixture model based on the maximum likelihood function and information criteria‎.‎since the information criteria does not have the ability to identify equivalent models‎, ‎therefore‎, ‎it is possible that the new mixture model and the current mixture model are equivalent‎.‎in this paper‎, ‎the boosted mixture learning method has been corrected using vuong’s model selection test‎, ‎which has the ability to identify equivalent models‎. ‎the performance of two learning methods is evaluated over simulation data and over the u.s‎. ‎imports of goods by customs basis.‎