Question

我试图将高斯混合模型拟合到python中的一维数组。我在Python中使用Sklearn库中的“混合物”。

我的样本数组包含来自单个正态分布的437个样本，均值= 70.2，方差= 11.8并且我在不丢失正常形状的情况下添加了一些噪声。

在Python中

我的数组，即v，就像： v =数组（[87.37658674,80.46544429，....，80.8180536]）

我使用高斯函数的混合如下来拟合样本集。

G = mixture.GaussianMixture（n_components = 1） g.fit（np.array（np.split（V，v.shape [0]）））

供您参考，“np.array（np.split（v，v.shape [0]））”的形状是：（437,1）

意思是我有437个例子和一个维度。

拟合后得到正确的值，但方差大于样本方差（它得到139.61，而真方差应该在11.8左右）。

有谁知道我做错了什么？

Answer 1

我怀疑您使用11.8作为标准偏差或西格玛。所以相应的方差是sigma * sigma或11.8 * 11.8，这大约是你得到的139.61

请参阅下面的代码。

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



def main():
    np.random.seed(42)
    sigma=11.8
    mu=70.2
    obs1 = np.random.randn(437, 1) * sigma  + mu
    g = mixture.GMM(n_components=1)
    g_gmm = g.fit(obs1)

    print "%r" % g_gmm
    print "%r" % g.weights_
    print "%r" % g.means_
    print "%r" % g.covars_
    pass

高斯Python的混合物

1 个答案: