使用sklearn在Python中初始化参数

我真的很努力地用sklearn做高斯混合，但我想我遗漏了一些东西，因为它确实不起作用

我的原始数据如下所示：

Genotype LogRatio  Strength
AB       0.392805  10.625016
AA       1.922468  10.765716
AB       0.22074   10.405445
BB       -0.059783 10.625016

我想做一个3组分=3个基因型（AA | AB | BB）的高斯混合。 我知道每个基因型的权重，每个基因型的平均对数比和每个基因型的平均强度

wgts = [0.8,0.19,0.01]  # weight of AA,AB,BB
means = [[-0.5,9],[0.5,9],[1.5,9]] # mean(LogRatio), mean(Strenght) for AA,AB,BB 

我保持列的对数比和强度，并创建一个NumPy数组

datas = [[  0.392805  10.625016]
         [  1.922468  10.765716]
         [  0.22074   10.405445]
         [ -0.059783   9.798655]]

然后，我测试了sklearn v0.18中Mixed的函数GaussianMixture，并尝试了sklearn v0.17中的函数GaussianMixture（我仍然看不到区别，也不知道使用哪一个）

这是我得到的结果，这是一个很好的结果，但每次都会改变，因为每次运行时初始参数的计算都不同

---

我想初始化gaussianMixture或GMM函数中的参数，但我不知道如何格式化数据：（

可以通过明确设定

随机状态

伪随机数生成器来控制结果再现性的随机性

而不是：

gmm = mixture.GaussianMixture(n_components=3)

做：

random\u state

必须是一个

int

：我已将其随机设置为

3

，但您可以选择任何其他整数

---

当使用相同的

随机\u状态运行多次时，您将得到相同的结果。
您希望每次都得到相同的结果吗？这是您的问题吗？是的，我希望每次都得到相同的结果，我相信如果我能修复初始参数，情况就会如此。好的，看看我的答案；）是的，你是对的，我对random_state有相同的结果，但我仍然想用“weights_init”和“means_init”修复我的初始参数，即使在数组形状中，我也不能直接使用我的权重列表[0.8,0.19,0.01]。我不知道如何设置我的权重和平均值。我不明白为什么你不能把你的
权重
和
平均值
列表放进去。根据文档，如果像那样通过，它应该可以工作。抛出的错误是什么？错误是“ValueError:参数'weights'应该被规范化，但是Get sum（weights）=0.98377”是的，很抱歉这不是我帖子中的真实错误。我用这个[0.5194072 0.38038109 0.08398024]我检查了高斯混合函数自动计算的重量，它离我的不远，但不一样。
np.sum（[0.5194072，0.38038109，0.08398024]）=0.98376852999997
：总和必须是
1.0
。
gmm = mixture.GaussianMixture(n_components=3)

gmm = mixture.GaussianMixture(n_components=3, random_state=3)