高斯混合模型sklearn起始先验值

Question

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。

- Elysire

Answer 1

一位统计学家帮我回答了我的问题，它是initial_means，这些是EM算法使用的起始点。 我只需要在GaussianMixture函数中给出我的新先验概率，无需使用BayesianGaussianMixture。

- Elysire

---

你是用什么方法来设置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