R包相当于Matlab'；gms-distribution.fit（）

Matlab包含以下功能：

obj = gmdistribution.fit(X,k)

如图所示

是否有提供此功能的R软件包？

查看该软件包是否适合您的需要

 install.packages("EMCluster")

 # excerpt from pg 12 of the EMCluster manual.
 library(EMCluster, quiet = TRUE)
 set.seed(1234)
 x <- da1$da
 ret.em <- init.EM(x, nclass = 2, method = "em.EM")
 plotem(ret.em, x)

install.packages（“EMCluster”）
#摘自EMCluster手册第12页。
库（EMCluster，quiet=TRUE）
种子集（1234）
xMClust包包含函数densityClust，该函数生成一个对象，该对象包含拟合高斯混合模型的参数估计以及密度本身。从MClust手册：

>densWaiting摘要（densWaiting，parameters=TRUE）
-------------------------------------------------------
基于高斯有限混合模型的密度估计
-------------------------------------------------------
Mclust E（单变量、等方差）模型，含2个分量：
对数似然
n df
比克
-1034 272 4 -2090.4
聚类表：
1   2
99 173
混合概率：
1    2
0.36102 0.63898
指：
1    2
54.619 80.094
差异：
1    2
34.439 34.439
BIC选择具有相同方差的高斯变量的两分量混合。这个
可以从摘要输出中读取参数估计值。
可使用相应的绘图方法获得密度估算图：
>plot（densWaiting）密度也可以通过使用可选的
参数数据：
>绘图（登斯维特，数据=等待）

我在谷歌上搜索了“R中的高斯混合模型”，这是第一个链接。
> densWaiting <- densityMclust(faithful$waiting)
> summary(densWaiting, parameters = TRUE)
-------------------------------------------------------
Density estimation via Gaussian finite mixture modeling
-------------------------------------------------------
Mclust E (univariate, equal variance) model with 2 components:
log.likelihood
n df
BIC
-1034 272 4 -2090.4
Clustering table:
1   2
99 173
Mixing probabilities:
1    2
0.36102 0.63898
Means:
1    2
54.619 80.094
Variances:
1    2
34.439 34.439
 A two-components mixture of Gaussian variables with the same variance is selected by BIC. The
parameter estimates can be read from the summary output.
A plot of density estimate can be obtained using the corresponding plot method:

> plot(densWaiting)    The density can also be plotted together with a histogram of the observed data by using the optional
argument data:
> plot(densWaiting, data = faithful$waiting)