Question

在拟合gaussian mixture model（X-Y数据集）后，如何获取每个分布的参数？例如每个发行版的mean, std, and weights and angle？

我想我可以找到代码here：

def make_ellipses(gmm, ax):
    for n, color in enumerate('rgb'):
        v, w = np.linalg.eigh(gmm._get_covars()[n][:2, :2])
        u = w[0] / np.linalg.norm(w[0])
        angle = np.arctan2(u[1], u[0])
        angle = 180 * angle / np.pi  # convert to degrees
        v *= 9
        ell = mpl.patches.Ellipse(gmm.means_[n, :2], v[0], v[1],
                                  180 + angle, color=color)
        ell.set_clip_box(ax.bbox)
        ell.set_alpha(0.5)
        ax.add_artist(ell)

毕竟，要绘制椭圆，您需要知道mean,std,angle,weight。但代码非常复杂，我想知道是否有更简单的方法呢？

更新：我在http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GMM.html#sklearn.mixture.GMM.fit找到属性，现在我正在研究它。

Answer 1

正如您在scikit's doc for GMM中所读到的，一旦您训练了模型（称之为clf），您就可以使用clf.means_，clf.covars_和{{}来访问其参数1}}。

我将补充一点，您可以使用clf.weights_

的值检查您的模型是否已经过培训/已融合

蟒蛇＆amp; scikit：如何从高斯混合模型拟合得到拟合模型的参数？

1 个答案: