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:如何在python中从高斯混合中创建随机变量(样本),python,matplotlib,gaussian,gmm,Python,Matplotlib,Gaussian,Gmm,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
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:
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])