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,因此我从我的初始数据中计算出了3个先验条件来改善聚类。我希望在高斯混合模型的EM算法中使用这些先验条件作为初始起点。
初始均值:它们是起始点吗?我能否用我的新先验条件替换它们,还是说这是其他东西?
我看到:
sklearn.mixture.BayesianGaussianMixture
但是,它看起来非常不同,就像我无法初始化我的权重,只有先前的权重,我不知道是否是相同的事情(我不是统计学专家...),而且有太多我不理解的选项...
我该如何将我的新先验作为高斯混合中EM算法的起始点使用?
感谢任何帮助。
initial_means
的?我在考虑将sklearn
中的KernelDensity
用于平滑数据点,然后使用scipy
中的find_peaks
函数,并将其作为initial_means
。你是怎么解决的呢?如果你能与我们分享一下,我会非常感激。谢谢。 - Eduardo Gomes