当我被实例化类的新方式以及之间没有一对一映射的事实所困扰时，我正在尝试更新即将被弃用的scikit-learn在另一个包中的调用旧的和新的实例化参数。
具体来说，old Gaussian Mixture Model class有这个实例化调用
class sklearn.mixture.GMM(n_components=1, covariance_type='diag', random_state=None, thresh=0.01, min_covar=0.001)
同时new Gaussian Mixture Model class有这个实例化签名：
class sklearn.mixture.GaussianMixture(n_components=1, covariance_type=’full’, tol=0.001, reg_covar=1e-06, max_iter=100, n_init=1, init_params=’kmeans’, weights_init=None, means_init=None, precisions_init=None, random_state=None, warm_start=False, verbose=0, verbose_interval=10)```
从manual我读过那篇
min_covar：float，optional
协方差矩阵的对角线上的地板，以防止过度拟合。 默认为1e-3。
我在scikit-learn git（以及其他使用scikit-learn的git repos）上发现了几个未解决的问题，并且了解某些差异，例如不再使用固定权重，precissions是逆协方差。我似乎无法跟踪的是这个新类中代表min_covar参数的内容？
事实上，现在我甚至对旧班级中min_covar参数的确切目的感到困惑。我把手册摘录意味着这是协方差矩阵对角线上允许的最小协方差值，但新类中的参数似乎都没有暗示这样的事情发生了。
所以要重新迭代：min_covar在旧GMM类中做了什么，新类min_covar中是否有属性映射，如果不是，我应该怎么做关于复制min_covar的效果还是完全弃用的功能？