从高斯混合模型中采样数据点 python

Question

我对 python 和 GMM 真的很陌生。我最近学习了 GMM 并尝试实现 here

中的代码

我在使用运行 gmm.sample() 方法时遇到了一些问题：

gmm16 = GaussianMixture(n_components=16, covariance_type='full', random_state=0)    
Xnew = gmm16.sample(400,random_state=42)
plt.scatter(Xnew[:, 0], Xnew[:, 1])

错误显示：

TypeError: sample() got an unexpected keyword argument 'random_state'

我查看了最新的文档，发现方法sample应该只包含n，表示要生成的样本数。但是当我删除'random_state=42'时，出现了新的错误：

代码：

Xnew = gmm16.sample(400)
plt.scatter(Xnew[:, 0], Xnew[:, 1])

错误：

TypeError: tuple indices must be integers or slices, not tuple

有人在实现 Jake VanderPlas 的代码时遇到过这个问题吗？我该如何解决？

我的 Jupyter：

The version of the notebook server is: 5.7.4

Python 3.7.1 (default, Dec 14 2018, 13:28:58)

Type 'copyright', 'credits' or 'license' for more information

IPython 7.2.0 -- An enhanced Interactive Python. Type '?' for help.

Answer 1

您的问题在于将数据输入散点图的方式。特别是您在元组中有一个 numpy 数组，并且您的索引方式不正确。试试这个。

plt.scatter(Xnew[0][:,0], Xnew[0][:,1])

基本上我们所拥有的是第一个索引 Xnew[0] 将指向您想要的元组中的元素（numpy 数组），第二个将根据需要对其进行切片。 [:,1] 这里我们取所有的行和第二列。

Answer 2

你得到 TypeError 因为 sample 方法 returns 一个 tuple，参见 here。

这应该可以完成工作：

Xnew, Ynew = gmm16.sample(400)  # if Ynew is valuable
plt.scatter(Xnew[:, 0], Xnew[:, 1])

或

Xnew, _ = gmm16.sample(400)  # if Ynew isn't valuable
plt.scatter(Xnew[:, 0], Xnew[:, 1])

从高斯混合模型中采样数据点 python

Sampling data points from a Gaussian Mixture Model python

python

gaussian

scikit-learn

mixture-model

data-science