تصحيح روش يادگيري آميخته تقويت شده با استفاده از آزمون وونگ و كاربرد آن در مدل آميخته گاما

روش يادگيري آميخته تقويت شده (‎(BML)، روشي فزاينده براي يادگيري مدل‌هاي آميخته در مسئله طبقه‌بندي است. در هر مرحله از روش يادگيري آميخته تقويت شده، مولفه جديدي با توجه به يك تابع هدف در جهت به حداكثر رساندن تابع هدف به مدل آميخته اضافه مي‌شود. از جمله توابع هدف مورد استفاده در اين روش، تابع درستنمايي و به‌طور معادل معيارهاي اطلاع هستند. در اين روش مولفه جديدي به مدل آميخته اضافه مي‌شود كه باعث بيشترين افزايش تابع درستنمايي شود. چون تابع درستنمايي و معيارهاي اطلاع توانايي تشخيص مدل‌هاي معادل را ندارد، بنابراين ممكن است مدل‌ آميخته جديد و مدل آميخته فعلي معادل باشند و اضافه كردن مولفه جديد به مدل آميخته فعلي باعث بهبود مدل نشود. در اين مقاله روش يادگيري آميخته تقويت شده با استفاده از آزمون انتخاب مدل وونگ كه توانايي تشخيص مدل‌هاي معادل را دارد، تصحيح شده است. همچنين عملكرد دو روش يادگيري با استفاده از داده‌هاي شبيه‌سازي و مجموعه داده‌هاي واردات كالاي ايالات متحده توسط گمرك ارزيابي شده است.