Question

我想确定数据点属于数据群的概率。我读到sklearn GMM可以做到这一点。我试过以下......

import numpy as np
from sklearn.mixture import GMM

training_data = np.hstack((
    np.random.normal(500, 100, 2000).reshape(-1, 1),
    np.random.normal(500, 100, 2000).reshape(-1, 1),
))

# train the classifier and get max score
g = GMM(n_components=1)
g.fit(training_data)
scores = g.score(training_data)
max_score = np.amax(scores)

# create a candidate data point and calculate the probability
# it belongs to the training population
candidate_data = np.array([[490, 450]])
candidate_score = g.score(candidate_data)

从这一点开始，我不知道该怎么做。我正在阅读我必须规范化对数概率，以便获得候选数据点属于总体的概率。会是这样的......

candidate_probability = (np.exp(candidate_score)/np.exp(max_score)) * 100

print candidate_probability
>>> [ 87.81751913]

这个数字似乎并不合理，但我真的离开了我的舒适区，所以我想我会问。谢谢！

Answer 1

您使用的candidate_probability在统计上不正确。我认为你需要做的是计算样本点只是其中一个单独高斯的成员的概率（来自权重和多变量累积分布函数（CDF））并总结这些概率。最大的问题是我找不到可以计算多变量CDF的好的python包。除非你能找到一个，否则本文将是一个很好的起点https://upload.wikimedia.org/wikipedia/commons/a/a2/Cumulative_function_n_dimensional_Gaussians_12.2013.pdf

用sklearn GMM计算概率

1 个答案: