Question

为了简化我的问题，我在这里创建了一个虚拟问题：我有两组训练数据，分别用1和2标记。假设两个训练数据集都遵循高斯分布的混合。我可以轻松使用Matlab工具箱函数（gmdistribution.fit）来估计它们的均值和协方差。

然后我有一些测试数据集，假设用类似于训练数据集2的MoG创建，但是有噪声。我想计算类似于使用训练数据集2的MoG更可能生成测试数据集的可能性概率。换句话说，我希望我的测试数据集具有标签2的可能性。 / p>

请指点一下如何做到这一点？非常感谢。

N.B：

我的两个训练数据集的尺寸不同。
两个训练数据集的分布重叠。
测试数据集的大小比训练数据集小。

一些Matlab代码：

%% Mixture of Gassian 1 (Training set 1)
mean1                                   = [1 -2];
cov1                                    = [2 0; 0 .5];
mean2                                   = [0.5 -5];
cov2                                    = [1 0; 0 1];
trainingDataset1                        = [mvnrnd(mean1, cov1, 1000); mvnrnd(mean2, cov2, 1000)];

MoGOptions                              = statset('Display', 'final');
MoGObj1                                 = gmdistribution.fit(trainingDataset1, 2, 'Options', MoGOptions);

figure,
scatter(trainingDataset1(:,1), trainingDataset1(:,2), 10, '.')
hold on
ezcontour(@(x,y)pdf(MoGObj1,[x y]), [-8 6], [-8 2]);

%% Mixture of Gassian 2 (Training set 2)
mean4                                   = [0.5 -1];
cov4                                    = [1.5 0; 0 .8];
mean5                                   = [-2 -3];
cov5                                    = [1 0; 0 1];
mean6                                   = [-4 -2];
cov6                                    = [1 0; 0 1];
trainingDataset2                        = [mvnrnd(mean4, cov4, 500); mvnrnd(mean5, cov5, 500); mvnrnd(mean6, cov6, 500)];

MoGOptions                              = statset('Display', 'final');
MoGObj2                                 = gmdistribution.fit(trainingDataset2, 2, 'Options', MoGOptions);

figure,
scatter(trainingDataset2(:,1), trainingDataset2(:,2), 10, '.')
hold on
ezcontour(@(x,y)pdf(MoGObj2,[x y]), [-8 6], [-8 2]);

%% Test set
mean7                                   = [1.1 -2.1];
cov7                                    = [2.2 0; 0 .4];
mean8                                   = [0.3 -5.4];
cov8                                    = [1.2 0; 0 1.1];
testingDataset1                         = [mvnrnd(mean7, cov7, 100); mvnrnd(mean8, cov8, 100)];

figure,
scatter(testingDataset1(:,1), testingDataset1(:,2), 10, '.')

Answer 1

我发现AIC和BIC非常方便。

尝试“struct（MoGObj2）”来获得适合你的领域的理想。

其中一个是NLogL，它是对数似然的负数。我认为这就是你要找的东西。

http://www.mathworks.com/help/stats/gmdistributionclass.html

祝你好运

如何使用高斯模型混合获得似然

1 个答案: