我对“Dirichlet过程的无限混合模型作为聚类数量的先验分布”的理解是，聚类的数量是由数据收集到一定数量的聚类时确定的。 / strong>
此R Implementation https://github.com/jacobian1980/ecostates以这种方式决定群集的数量。虽然R implementation使用了Gibbs采样器，但我不确定这是否会影响到这一点。
令我困惑的是n_components参数。 n_components: int, default 1 :
Number of mixture components. 如果组件数量由数据和Dirichlet流程确定，那么此参数是什么？
最终，我想要：
（1）每个样本的聚类分配;
（2）每个聚类的概率向量;和
（3）每个样本的似然/对数似然。
看起来（1）是predict方法，（3）是score方法。但是，（1）的输出完全取决于n_components超参数。
如果这是一个天真的问题，我很抱歉，我对贝叶斯编程很新，并注意到Dirichlet Process中有Scikit-learn我想尝试一下。
这是文档： http://scikit-learn.org/stable/modules/generated/sklearn.mixture.DPGMM.html#sklearn.mixture.DPGMM
以下是一个用法示例： http://scikit-learn.org/stable/auto_examples/mixture/plot_gmm.html
这是我天真的用法：
from sklearn.mixture import DPGMM
X = pd.read_table("Data/processed/data.tsv", sep="\t", index_col=0)
Mod_dpgmm = DPGMM(n_components=3)
Mod_dpgmm.fit(X)
答案 0 :(得分：5)
正如@maxymoo在评论中所提到的，n_components是一个截断参数。
在中国餐厅流程的背景下，与sklearn的DP-GMM中的破解表示相关，新数据点以概率{{1}加入现有群集k }和启动概率为|k| / n-1+alpha的新群集。该参数可以解释为Dirichlet过程的浓度参数，它将影响最终的簇数。
与R＆R使用Gibbs采样的实现不同，sklearn的DP-GMM实现使用变分推理。这可能与结果的差异有关。
可以找到温和的Dirichlet流程教程here。
答案 1 :(得分：1)
现在，类DPGMM已减少。
如警告显示：
弃用警告：DPGMM类已弃用； DPGMM类无法正常工作，最好将sklearn.mixture.BayesianGaussianMixture类与参数weight_concentration_prior_type='dirichlet_process'一起使用。 DPGMM在0.18中已弃用，在0.20中将被删除。