从GMM模型中绘制高斯子群

Question

我使用scikit在python上学习了GMM模型，如下所示：

x = df1['DNA_2']
y = df1['DNA_1']
X = np.column_stack((x, y)) # create a 2D array from the two lists
mod2 = GaussianMixture(n_components=5, covariance_type='tied', random_state=2) # build the gmm
mod2.fit(X)

然后我使用此模型进行预测，然后再绘制：

df1['pred2'] = labels
fig, ax = plt.subplots(1,1)
ax.scatter(x, y, c=df1['pred2'].apply(lambda x: colors[x]), s = 0.5, alpha=0.2)
H,X,Y = density_estimation(x,y)
ax.contour(H, X, Y, 8, linewidths=0.5, cmap='viridis')

获取：

我想知道如何绘制5个总体的高斯曲线。我知道我可以使用mod1.means_来获得均值，而可以使用mod1.covariances_来获得方差（都是二维的），但是我该如何绘制它以获得每个总体的曲线？

希望得到类似的东西：

Answer 1

如果是图片的2D GMM，则唯一的方法是绘制2D密度图，例如：https://pythonmachinelearning.pro/clustering-with-gaussian-mixture-models/ 附加的线图适用于具有三个组件的一维GMM。要绘制此图，需要绘制每个聚类/组的概率密度分量。