Question

我正在尝试使用GaussianMixture模型进行图像分割，因此我使用了2个分量，协方差矩阵类型=＆＃34;完全＆＃34;并尝试使用随anaconda附带的Spyder3.6运行。这是代码：

from scipy.misc import imread, imshow
from sklearn.mixture import GaussianMixture as GMM
import graph_tool.all as gt
from graph_tool.all import *

X=imread('2.jpg')
old=X.shape
X=X.reshape(-1,3)
gmm=GMM(covariance_type='full', n_components=2)
gmm.fit(X)
clusters=gmm.predict(X)
clusters=clusters.reshape(old[0],old[1])

但它显示了ValueError和肯定的异常，我无法弄清楚为什么？这是错误的痕迹。

`

追踪（最近一次呼叫最后一次）：

文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/sklearn/mixture/gaussian_mixture.py" ;,第318行，在_compute_precision_cholesky       cov_chol = linalg.cholesky（协方差，低=真）
    文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/scipy/linalg/decomp_cholesky.py" ;,第81行，在cholesky       check_finite = check_finite）
    文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/scipy/linalg/decomp_cholesky.py" ;,第30行，在_cholesky中           提出LinAlgError（＆＃34;％d-th领先的未成年人不是肯定的＆＃34;％信息）
  numpy.linalg.linalg.LinAlgError：第2个领先的未成年人未确定

在处理上述异常期间，发生了另一个异常：

追踪（最近的呼叫最后）：
    文件＆＃34; /home/madhur/Desktop/Project/graphcutmaterials/test.py" ;,第19行，in       gmm.fit（X）
  文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/sklearn/mixture/base.py" ;,第207行，适合       self._initialize_parameters（X，random_state）
  文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/sklearn/mixture/base.py" ;,第157行，在_initialize_parameters中       self._initialize（X，resp）
    文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/sklearn/mixture/gaussian_mixture.py" ;,第643行，在_initialize中       协方差，self.covariance_type）
    文件＆＃34; /home/madhur/anaconda3/lib/python3.6/site-packages/sklearn/mixture/gaussian_mixture.py" ;,第320行，在_compute_precision_cholesky中           提出ValueError（estimate_precision_error_message）

ValueError：使混合模型失败是因为某些组件具有不明确的经验协方差（例如由单例或折叠样本引起）。尝试减少组件数量，或增加reg_covar。

`

Answer 1

我认为原因已经在ErrorInformation中提出，这是“因为某些组件具有不确定的经验协方差（例如，由单例或折叠的样本引起）”。由于将组件数设置为2，因此不能减少，因此建议您将参数“ reg_covar”增加为1e-5（默认为1e-6）。

有关GMM参数的更多信息，请参见：https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html

如何使用sklearn.mixture.GaussianMixture修复ValueM以适合GMM？

1 个答案: