使用 scikit-learn.mixture.GMM 查找条件高斯混合模型
Finding conditional Gaussian Mixture Model using scikit-learn.mixture.GMM
我正在使用 scikit-learn 将多元高斯混合模型拟合到某些数据（效果非常好）。但是我需要能够以 some 变量为条件获得新的 GMM，而 scikit 工具包似乎无法做到这一点，这让我感到惊讶，因为它看起来像想做的一件非常基本的事情。
Wikipedia has a good explanation 关于我正在尝试做的事情（对于单个高斯，而不是 GMM），我有可能自己实现它，但我的矩阵数学不是太棒了，我可以看到它需要很长时间。
有人已经这样做了吗？ NumPy/SciPy/Scikit-learn 有没有简单的方法？
尝试查看 pypr。从文档中，您可以通过以下方式找到以一个或多个变量为条件的 GMM：
# Now we will find the conditional distribution of x given y
(con_cen, con_cov, new_p_k) = gmm.cond_dist(np.array([np.nan, y]), \
cen_lst, cov_lst, p_k)
据我所知，软件包中有示例。
我正在使用 scikit-learn 将多元高斯混合模型拟合到某些数据（效果非常好）。但是我需要能够以 some 变量为条件获得新的 GMM，而 scikit 工具包似乎无法做到这一点，这让我感到惊讶，因为它看起来像想做的一件非常基本的事情。
Wikipedia has a good explanation 关于我正在尝试做的事情（对于单个高斯，而不是 GMM），我有可能自己实现它，但我的矩阵数学不是太棒了，我可以看到它需要很长时间。
有人已经这样做了吗？ NumPy/SciPy/Scikit-learn 有没有简单的方法？
尝试查看 pypr。从文档中，您可以通过以下方式找到以一个或多个变量为条件的 GMM：
# Now we will find the conditional distribution of x given y
(con_cen, con_cov, new_p_k) = gmm.cond_dist(np.array([np.nan, y]), \
cen_lst, cov_lst, p_k)
据我所知，软件包中有示例。