不建议使用scikit-learn版本0.11中eval()
下的sklearn.mixture.GMM
方法。最新版本0.19.2中有类似的方法或解决方法吗?
答案 0 :(得分:1)
在较早的scikit-learn版本的docs中,您可以阅读以下内容:
已弃用:GMM.eval在0.14中重命名为GMM.score_samples,并且将 在0.16中删除。
所以我认为您应该使用score_samples()
。
答案 1 :(得分:1)
评估(X)
参数:
X:类似array_,形状(n_samples,n_features):n_features维数据点的列表。每行对应一个数据点。
返回值:
logprob:类似于数组,形状(n_samples,):X中每个数据点的对数概率
职责:类似数组,形状(n_samples,n_components):
每种观察结果中每种混合物成分的后验概率
很明显,在较新的定义中没有解决方法,它是相同且非常简洁的定义
答案 2 :(得分:0)
获得职责的当前方法是predict_proba()
predict_proba()
: 根据数据预测每个分量的后验概率。
现在,您可能会认为说明中没有说明责任。但这就是您所需要的。
从GMM到GaussianMixture类的迁移已在此处进行了详细讨论:
您需要的答案在这里描述:
您可能会看到作者在this comment
中描述的结果有所不同。旧的有很强的正则化,新的则没有(默认)。
您也可以检查源代码,以验证它确实返回了职责。