Question

高斯混合模型（GMM）中有一部分适合我不理解它。我很乐意得到你的建议：

 g  = GMM(3, n_iter=1000, verbose=True, random_state=3)
 g.fit(WORK)

 np.random.seed(1)
 X = g.sample(1000)

 # fit models with 1-10 components
 N = np.arange(1, 11)
 models = [None for i in range(len(N))]

 for i in range(len(N)):
    models[i] = GMM(N[i]).fit(X)

Answer 1

它正在生成一个拟合列表models，假设混合物中分别有i = 1,2，...，10个组件，可能意图选择其中的最佳模型。

Answer 2

有人可以指出为什么我们用WORK中的3个组件创建GMM，然后从GMM中抽取样本以获得更好的模型

我会简化这个，

np.random.seed(1) #will ensure reproducibiity
# fit models with 1-10 components
N = np.arange(1, 11)
models = [None for i in range(len(N))]

#find the model with  minimum aic score
min_aic = np.inf
model_index_with_min_aic = -1
for i in range(len(N)):
    models[i] = GMM(N[i], n_iter=1000).fit(WORK)
    aic = models[i[.aic(WORK)
    if aic < min_aic:
        model_index_with_min_aic = i
        min_aic = aic

Answer 3

GMM基本上，为每个火车样本创建一个“模型”，因此，如果您有10个火车样本，则每个样本可能还会获得10个模型。

如果要测试模型，则还需要调用GMM创建的每个模型，因此它就像[1：1] x N次

GMM适合最佳模型

3 个答案: