有沒有辦法將3D高斯分佈或高斯混合分佈擬合到矢量上？

Question

我有一個數據點的向量，似乎代表了3D高斯分佈或高斯混合分佈。有沒有辦法將3D高斯分佈或高斯混合分佈擬合到這個矩陣中，如果是的話，是否存在這樣的庫（例如在Python中）？

這個問題似乎涉及到下面的一個，但我想，以適應3D高斯它： Fit multivariate gaussian distribution to a given dataset

目標最終結果是這樣的（單一分佈或混合物）：

例如，非常簡化的，我的數據載體（從該高斯（混合物）的分佈應該汲取）看起來像這樣：

[[0,0,0,0,0,0], [0,1,1,1,1,0], [0,1,2,2,1,0], [1,2,3,3,2,1], [0,1,2,2,1,0], [0,0,0,0,0,0]] 

Answer 1

如果知道高斯的數量，我可以給出答案。您的向量在X，Y點的網格中給出Z值。你可以讓X和Y向量：

import numpy as np 
num_x, num_y = np.shape(z) 
xx = np.outer(np.ones(num_x), np.arange(num_y)) 
yy = np.outer(np.arange(num_x), np.ones(num_y)) 

然後按照常規的任何擬合程序，例如2D Gaussian Fit for intensities at certain coordinates in Python。

Answer 2

有所謂的高斯混合模型（GMM），其背後有大量的文獻。還有就是Python代碼做抽樣，參數估計等，不知道這是否符合您的需要

http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GMM.html

免責聲明：使用scikit，但從未使用GMM