GaussianMixture sklearn 开始先验

Question

我有一个混合模型：

gm = mixture.GaussianMixture(
                n_components=3,
                covariance_type="tied",
                weights_init=[w1,w2,w3],
                means_init=[m1,m2,m3],
                random_state=0).fit(datas)

但是，聚类的结果并不完美，所以我从我的初始数据中计算了3个先验来改善聚类。我想使用这些先验作为高斯混合模型的 EM 算法的初始起点。

最初的意思是：他们是起点吗？我可以用我的新优先级替换它们还是其他东西？

我看到了：

sklearn.mixture.BayesianGaussianMixture

但是，它看起来真的很不一样，就像我不能初始化我的权重，只是先验权重，我不知道它是否是一回事（我不是统计学专家......），并且有太多选项我不明白...

如何在我的高斯混合中使用我的新先验作为 EM 算法的起点？

感谢您的帮助。

Answer 1

一位统计学家帮我回答了我的问题，initial_means 是 EM 算法使用的起点。我只需要在 GaussianMixture 函数中的 initial_means 中给出我的新先验，不需要使用 BayesianGaussianMixture.

GaussianMixture sklearn 开始先验

GaussianMixture sklearn starting priors

python

gaussian

scikit-learn