如何在python中从高斯混合中创建随机变量（样本）

我试图将高斯混合拟合到3个变量的数据集。我使用3个高斯模型在python中获得了一个GMM模型

我的问题是：

如何从GMM创建PDF，就像matlab中的函数一样

如何从GMM创建随机变量（3d）或采样

---

很多人都上传了类似的问题，但我从来没有得到一个直接的答案。请提供如何从GMM取样的代码示例

首先需要知道的是，创建GMM模型需要3个参数：

数据点

聚类平均值

协方差矩阵

对于每个数据点i和每个集群，假设k=3，i为 假设您已经将每个集群的平均值作为列表，即平均值 以及协方差中每个簇的协方差矩阵，即 每个簇的协方差。然后代码将如下所示 给出每个数据点的多元正态函数值 i和对于每个集群k为：

---

这些问题太多了，无法放在一个问题中，而且你还没有展示你在哪里或做了什么，以及你遇到了哪些问题（如果有的话）。这里不可能给你一个好的答案。[链接]（）可能会有所帮助

    import numpy as np
    from scipy.stats import multivariate_normal
    mnf= np.zeros((n_data, n_clusters))
    for i in range(n_data):
        for k in range(n_clusters):
            mnf[i, k] = multivariate_normal.pdf(data[i],means[k],covariances[k])