Python 高斯混合学习起始先验
我有一个混合模型:Python 高斯混合学习起始先验,python,scikit-learn,gaussian,Python,Scikit Learn,Gaussian,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
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