Semiparametric Mu Estimation for NMV mixtures

[andreev-sergej]

1. Реализован алгоритм для оценки параметра $\mu$ в семипараметрическом случае для NMV смесей.
2. Упразднено взаимодействие пользователя с классом Registry. Для этого изменены методы init в классах смесей.
3. Написаны тесты для методов нового класса SemiParametricMuEstimation.

[andreev-sergej]

Не прошел 1 тест, где настоящий параметр $\mu$ оказывается больше чем область поиска $m$, и ожидается, что лучшей оценкой для $\mu$ будет $m$.
Однако, когда $\mu$ и $m$ близки, то может не повезти и наилучший параметр $\mu$ для реализованной выборки будет по модулю меньше, чем $m$. Тогда оценка $\mu$ не равна $m$ и тест проваливается.
Решением будет увеличение объема выборки, либо проверка сильно различающихся $\mu$ и $m$

[vkutuev]

Может параметры передавать не списком, а словарём, или специальным объектом, чтобы обращаться по именам. Сейчас проверка довольно сложная + добавление ещё одного параметра ещё больше её перегрузит.
А использование словаря или, например, датакласса позволит гораздо удобнее работать со значениями по умолчанию

[vkutuev]

По-моему, тут elif избыточен

[vkutuev]

Может значения по умолчанию в подобие констант вынести? Сейчас выглядят как волшебные значения

[vkutuev]

Suggested change

	if "m" in kwargs and (not isinstance(kwargs.get("m"), int) or kwargs.get("m", -1) <= 0):
	raise ValueError("Expected positive integer as parameter m")
	m = kwargs.get("m", M_DEFAULT_VALUE)
	if not isinstance(m, int) or m <= 0:
	raise ValueError("Expected positive integer as parameter m")

[vkutuev]

Мне кажется, так попроще

[vkutuev]

А ещё можно ключи, по которым получаются параметры, тоже в константы вынести