我知道，由于使用scikit工具，我们可以轻松计算出高斯混合模型的BIC或分数。
clf.fit(data)
bic=clf.bic(data)
score=clf.score(data)
http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html
但我的问题是，当我已经拥有权重，均值，协方差和数据时，如何在不使用拟合方法的情况下计算bic或得分？
我可以设为
clf = mixture.GaussianMixture(n_components=3, covariance_type='full')
clf.weights_=weights_list
clf.means_=means_list
clf.covariances_=covariances_list
或
clf.weights_init=weights_list
clf.means_init=means_list
clf.precisions_init =np.linalg.inv(covariances_list)
但是当我试图获得bic时，
bic=clf.bic(data)
我收到错误消息
sklearn.exceptions.NotFittedError：此GaussianMixture实例尚未安装。在使用此方法之前，请使用适当的参数调用“fit”。
我不想跑步，因为它会改变给定的重量，手段和协方差。 我能做什么？ 感谢
答案 0 :(得分：0)
您需要设置这三个变量以通过check_is_fitted测试：'weights_', 'means_', 'precisions_cholesky_'。 'weights_'和'means_'，您正确设置。要计算'precisions_cholesky_'，您需要拥有covariances_。
所以，只需使用this method here
计算from sklearn.mixture.gaussian_mixture import _compute_precision_cholesky
precisions_cholesky = _compute_precision_cholesky(covariances_list, 'full')
将“full”更改为适当的协方差类型，然后使用
将结果设置为clfclf.precisions_cholesky_ = precisions_cholesky
确保所有这些变量的形状与您的数据正确对应。