Python scikit学习（sklearn）中高斯混合的负BIC值

在

scikit learn

中，

GaussianMixture

对象具有实现贝叶斯信息标准的方法

bic（X）

，以选择更适合数据的组件数量。 这是一个用法示例：

from sklearn import mixture
for n in range(0,10):
    gmm = mixture.GaussianMixture(n_components=n, max_iter=1000, covariance_type='diag', n_init=50)
    gmm.fit(data)
    bic_n = gmm.bic(data)

我在一个有600k行和7列的数据集上安装了一个GMM。BIC值始终为负值，例如

[-2000，-3000，-3300，…]

---

在方法

bic（）

的文档中，它表示“越低越好”。在我的例子中，如果是负值，那么

-3300

是最佳值，还是指绝对值中的最低值？

通常，目标是最小化BIC，因此，如果你处于负值区域，则是一个具有最大模数（在负值区域最深处）的负数表示首选型号。

请看源代码：

    def bic(self, X):
        """Bayesian information criterion for the current model on the input X.
        Parameters
        ----------
        X : array of shape (n_samples, n_dimensions)
        Returns
        -------
        bic : float
            The lower the better.
        """
        return (-2 * self.score(X) * X.shape[0] +
                self._n_parameters() * np.log(X.shape[0]))