高斯混合模型对尺寸的重要性不同

Question

是否有任何策略或黑客可以对数据的不同维度给予不同的重视？

这意味着，当在多维数据上拟合GMM时，向一个方向的距离比向其他方向的距离更难。 我考虑的选项：

• 预处理：尺寸的简单缩放将无效，因为GMM只会学习类似的缩放差异。
• 操纵EM算法：我尝试在每个M步之后将协方差矩阵缩放到不太重要的维度的方向。适度成功。

我有点意外，我找不到有关这个非常明显的用例的信息。