经过培训的GMM可以减少零件的数量吗？

Question

我想使用一个使用n个组件拟合的GMM并将其转换为一个m组件GMM，以使m和n组件GMM的PDF之间的平方误差最小。 （m

我要这样做的原因是，我可以创建一个GMM，该GMM不断使用传入的新数据进行更新。由于scikit-learn不提供GaussianMixture的partial_fit方法，所以我想我可以做下面的事情。

1. 获取一批新数据。训练2个组成部分的GMM->说GMM_1
2. 类似地，为每一批传入的新数据训练一个GMM。
3. 现在我们有一组GMM-{GMM_1，GMM_2，.... GMM_N}
4. 理论上，如果我将总PDF绘制为上述所有GMM的PDF的总和，则我有2 * N的GMM。
5. 我想使用2分量GMM表示上述N-GMM的总pdf。

from sklearn.mixture import GaussianMixture
GMM_each = []
count = 0
while not new_data == None:
    GMM_each[count] = GaussianMixture(n_components=2).fit(new_data)
    count += 1
GMM_combined = desired_fn(GMM_each)