我有两个高斯分布，我想要适合。由于两种分布可以不同的混合，我希望适合尽可能通用。我在这里找到了以下代码：
Gaussian fit to a histogram data in python: Trust Region v/s Levenberg Marquardt - 第一个答案。
但是，它不适用于我的数据或下面代码中生成的原始数据，并且会发出错误：
ValueError: GMM estimation with 2 components, but got only 1 samples
我希望它简单明了。我的数据只是一个二维数组，用于绘制直方图，时间与幅度。
import numpy as np
from sklearn import mixture
import matplotlib.pyplot as plt
comp0 = np.random.randn(1000) - 5 # samples of the 1st component
comp1 = np.random.randn(1000) + 5 # samples of the 2nd component
x = np.hstack((comp0, comp1)) # merge them
gmm = mixture.GMM(n_components=2) # gmm for two components
gmm.fit(x) # train it!
linspace = np.linspace(-10, 10, 1000)
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.hist(x, 100) # draw samples
ax2.plot(linspace, np.exp(gmm.score_samples(linspace)[0]), 'r')
plt.show()
答案 0 :(得分：1)
使用：
x = np.vstack((comp0, comp1))
而不是hstack
因为每行应该表示一个样本，每列都是样本的特征。