从指定的簇python中抽取高斯混合模型

Question

我有一段代码，它生成高斯分布并从中采样数据：

input = pd.read_csv("..\\data\\input.txt", sep=",", header=None).values
gmm = GMM(n_components=5).fit(input)
sampled = gmm.sample(input.shape[0], random_state=42)
original_label = gmm.predict(input)
generated_label = gmm.predict(sampled)
return sampled

当我检查original_label和generated_label时，每个群集中的样本数量不同。

The number of elements in original_label: 
Cluster 1:0
Cluster 2:1761
Cluster 3:2024
Cluster 4:769
Cluster 5:0 

The number of elements in generated_label: 
Cluster 1:0
Cluster 2:1273
Cluster 3:739
Cluster 4:1140
Cluster 5:1402

我想从gmm中采样原始输入的相同分布。这里，采样和原始数据的集群之间存在很大差异。你能帮我解决一下吗？

Answer 1

高斯混合模型是一种 soft 聚类方法。每个对象都属于每个集群，只是程度不同。

如果要对软簇密度求和，它们应该更紧密地匹配。 （我建议你验证一下。群集5的巨大差异可能表明sklearn存在问题。）

由于群集重叠，生成满足GMM密度模型以及预测的硬标签的硬聚类通常是不可满足的。这证明了“艰难”。标签不适用于GMM的基本假设。