在高斯混合模型/期望最大化模型中包括时间依赖性？

Question

我正在处理时间序列数据集，因此在从GaussianMixture()包中拟合scikit-learn函数的同时，我需要使每个功能（时间戳）相关。但是，在检查源代码后，我找不到用于自定义协方差矩阵的参数。

凭借我有限的统计知识，我很好奇如何在E步中修改协方差矩阵以将时间依赖性纳入GMM模型。非常感谢。

这是源代码：我要进行的更改是在estimate_gaussian_parameters（）函数中 https://github.com/scikit-learn/scikit-learn/blob/7389dba/sklearn/mixture/gaussian_mixture.py#L435

Answer 1

在darksky的帮助下，我了解到该函数是内置的，并带有covariance-matrix选项。参数covariance_type有4个选项： “完整”（每个组件都有自己的一般协方差矩阵）， “绑”（所有组件共享相同的通用协方差矩阵）， “ diag”（每个分量都有自己的对角协方差矩阵）， “球形”（每个分量都有其自己的单个方差）。

在我的理解中，“球形”用于单变量数据集，“ diag”用于具有多变量但独立特征的数据集。因此，如果要预测多变量和从属特征，则应该使用“完整”或“并列”。