使用scikit的高斯混合物学习混合物

Question

我想使用sklearn.mixture.GMM将高斯混合物拟合到一些数据中，结果类似于我使用R＆＃34; Mclust＆＃34;包。

数据如下所示：

所以这里是我如何使用R对数据进行聚类，它为我提供了14个分离良好的聚类，并且很容易下楼：

data <- read.table('~/gmtest/foo.csv',sep=",")
library(mclust)
D = Mclust(data,G=1:20)
summary(D)
plot(D, what="classification")

以下是我用python尝试时的说法：

from sklearn import mixture
import numpy as np
import os
import pyplot

os.chdir(os.path.expanduser("~/gmtest"))
data = np.loadtxt(open('foo.csv',"rb"),delimiter=",",skiprows=0)
gmm = mixture.GMM( n_components=14,n_iter=5000, covariance_type='full')
gmm.fit(data)

classes = gmm.predict(data)
pyplot.scatter(data[:,0], data[:,1], c=classes)
pyplot.show()

将所有点分配给同一个群集。我还注意到，当我告诉它找到令人兴奋的1簇时，拟合的AIC最低，并随着簇数量的增加而线性增加。我究竟做错了什么？我需要考虑其他参数吗？

Mclust和sklearn.mixture使用的模型是否存在差异？

但更重要的是：sklearn将数据聚类的最佳方式是什么？

Answer 1

诀窍是设置GMM＆＃39> min_covar 。所以在这种情况下，我得到了很好的结果：

mixture.GMM( n_components=14,n_iter=5000, covariance_type='full',min_covar=0.0000001)

min_covar 的较大默认值会将所有点分配给一个群集。