Python & Stats：适合混合分布？
Python & Stats: fitting to mixed distribution?
有时，数据不是来自单个分布，而是来自多个分布。
例如，y = 0.4*X + 0.6*Y、y 有 40% 的机会来自分布 X，而 60% 的机会来自分布 Y。可以在这里找到介绍：http://www.r-bloggers.com/a-brief-introduction-to-mixture-distributions/.
问题是，给定数据集，有没有什么好的方法可以让它们适应 python？
我找到了关于 R 的教程：http://www.r-bloggers.com/fitting-mixture-distributions-with-the-r-package-mixtools/，但没有找到关于 python 的任何内容。
如果您的分布是高斯分布，那么 scikit-learn 有一些适合混合分布的好方法，即所谓的高斯混合模型。
有很好的解释here。
他们也使用期望最大化，就像你link.
中提到的R包一样
有时，数据不是来自单个分布，而是来自多个分布。
例如，y = 0.4*X + 0.6*Y、y 有 40% 的机会来自分布 X，而 60% 的机会来自分布 Y。可以在这里找到介绍：http://www.r-bloggers.com/a-brief-introduction-to-mixture-distributions/.
问题是，给定数据集，有没有什么好的方法可以让它们适应 python？
我找到了关于 R 的教程：http://www.r-bloggers.com/fitting-mixture-distributions-with-the-r-package-mixtools/，但没有找到关于 python 的任何内容。
如果您的分布是高斯分布，那么 scikit-learn 有一些适合混合分布的好方法，即所谓的高斯混合模型。 有很好的解释here。 他们也使用期望最大化，就像你link.
中提到的R包一样