Python 等权共享对角协方差GMM聚类算法
我正在寻找一种高斯混合模型聚类算法,它允许我设置相等的分量权重和共享的对角协方差。我需要分析一组数据,我自己没有时间尝试编写代码。看起来该工具可以工作,将Python 等权共享对角协方差GMM聚类算法,python,matlab,machine-learning,computer-vision,mixture-model,Python,Matlab,Machine Learning,Computer Vision,Mixture Model,我正在寻找一种高斯混合模型聚类算法,它允许我设置相等的分量权重和共享的对角协方差。我需要分析一组数据,我自己没有时间尝试编写代码。看起来该工具可以工作,将'CovType'选项设置为对角线,将'SharedCov'选项设置为true。在python中,您可以使用scikit的GMM。这很容易做到,请参见文档: 您的具体需求是: thegmm = GMM(cvtype='tied', params='mc') thegmm.fit(mydata) 意思是: 共享对角协方差:在构造函数中使用协
'CovType'
选项设置为对角线,将'SharedCov'
选项设置为true。在python中,您可以使用scikit的GMM。这很容易做到,请参见文档:
您的具体需求是:
thegmm = GMM(cvtype='tied', params='mc')
thegmm.fit(mydata)
意思是:
- 共享对角协方差:在构造函数中使用
协方差\u type='tied'
- 相等组件权重:在构造函数中使用
(而不是允许权重更新的默认params='mc'
)'wmc'
实际上,我不确定“平局”是否意味着对角协方差。据医生说,看起来你可以选择“平直”或“对角”,但不能同时选择两者。有人确认吗?您在
'SharedCov'
之后缺少了一个,true,
,所以应该是,'SharedCov',true,
。您能告诉我在应用GMM时如何找到每个迭代的最大可能状态吗。