Question

我正在尝试使用gm进行群集。我试过这段代码：

opts = statset('MaxIter', 300, 'Display', 'iter');

gm = gmdistribution.fit(braindata, nsegments, 'Regularize', 1e-6, 'Options', opts);

其中braindata是一个数据矩阵（体素*蛋白质，1478071 * 11），nsegments是8。

我收到了这个错误：

Error using gmdistribution.fit (line 136) The following column(s) of data are effectively constant: 6 7 8 9 10 11.

Error in reducedSegbrain_gmix (line 119) gm = gmdistribution.fit(braindata, nsegments, 'Regularize', 1e-6, 'Options', opts);

这有什么解决方法吗？

Answer 1

对我来说，最好的选择就是丢弃那一栏。在我的申请中没问题，但可能不适合你。

这是检查该条件并产生错误的gmdistribution类定义的位：

        varX = var(X);
        I = find(varX < eps(max(varX))*n);
        if ~isempty(I)
            error('stats:gmdistribution:ZeroVariance',...
                'The following column(s) of data are effectively constant: %s.', num2str(I));
        end

其中X是传递给fit方法的多变量数据。它对“有效零方差”的测试是eps的组合，它是当前数据类型（例如uint8或double）可表示的最小差异的度量，以及数据中的行。

因此，一种方法是重新实现该测试并在gmdistribution.fit抛出错误之前对其进行一些操作。如果数据的方差很小，以至于它被认为是零，那么就没有任何东西可以从它的包含中获得，因此丢弃该列并继续拟合剩下的那些是没有害处的。

从您的示例的外观来看，这将是您数据集的一半。这可能并不理想，但在多变量分析中发现变量的子集包含大部分方差并不常见（参见Pareto）。你可以先进行主成分分析，在gmm拟合之前丢弃其中的一些，尽管上面的测试已经有效地做了。

如果您必须包含这些列，那么您可以对它们进行一些其他处理以提高方差。首先，我要确保将值存储在一个具有足够精度来表示它们的数据类型中，尽管这通常由MATLAB自动处理得很好。

如果这些低方差列的平均值与其他列的数量级不同（注意上述测试是相对于所有列方差的最大值的eps）那么会产生相对差异，你可以通过一些明智的正常化来减少这种差异。

如果一切都失败了，那么你可能需要回到采集源并提高信噪比。如果那是一台核磁共振成像仪，那么我祝你好运...

gmdistribution.fit的问题

1 个答案: