Python 高斯混合学习起始先验

我有一个混合模型：

gm = mixture.GaussianMixture(
                n_components=3,
                covariance_type="tied",
                weights_init=[w1,w2,w3],
                means_init=[m1,m2,m3],
                random_state=0).fit(datas)

但是，聚类的结果并不完美，所以我根据我的初始值数据计算了3个先验值来改进聚类。我想用这些先验知识作为高斯混合模型EM算法的初始起点

初始意思是：它们是起点吗？我能用我的新前科来代替它们吗？还是别的什么

我看到：

sklearn.mixture.BayesianGaussianMixture 

但是，它似乎真的不同，就像我不能初始化我的体重，只是先初始化体重，我不知道这是否是同一件事（我不是统计专家…），还有太多的选择我不明白

如何在高斯混合中使用新的先验作为EM算法的起点

---

谢谢您的帮助。

一位统计学家帮我回答了我的问题，EM算法的起点是

初始意思。
我只需在
GaussianMixture
函数中的
initial\u means
中给出我的新优先级，无需使用
BayesianGaussianMixture