0
爲了簡化我的問題，我在這裏創建了一個虛擬問題：我有兩組訓練數據分別標記爲1和2。假設兩個訓練數據集均遵循高斯分佈的混合。我可以很容易地使用Matlab工具箱函數（gmdistribution.fit）來估計它們的均值和協方差。如何使用高斯模型的混合來獲得可能性
然後，我有一些測試數據集，假設使用類似於訓練數據集2的MoG創建，但帶有噪聲。我想計算一些類似於似然概率的東西，即我的測試數據集更有可能使用訓練數據集2的MoG生成。換句話說，我想讓我的測試數據集具有標籤2的可能性。
請您指出一個方向如何做到這一點？非常感謝。
N.B：
- 的大小我的兩個訓練數據集的是不同。
- 兩個訓練數據集的分佈是重疊。
- 測試數據集的大小比訓練數據集小小。
一些Matlab的代碼：
%% Mixture of Gassian 1 (Training set 1)
mean1 = [1 -2];
cov1 = [2 0; 0 .5];
mean2 = [0.5 -5];
cov2 = [1 0; 0 1];
trainingDataset1 = [mvnrnd(mean1, cov1, 1000); mvnrnd(mean2, cov2, 1000)];
MoGOptions = statset('Display', 'final');
MoGObj1 = gmdistribution.fit(trainingDataset1, 2, 'Options', MoGOptions);
figure,
scatter(trainingDataset1(:,1), trainingDataset1(:,2), 10, '.')
hold on
ezcontour(@(x,y)pdf(MoGObj1,[x y]), [-8 6], [-8 2]);
%% Mixture of Gassian 2 (Training set 2)
mean4 = [0.5 -1];
cov4 = [1.5 0; 0 .8];
mean5 = [-2 -3];
cov5 = [1 0; 0 1];
mean6 = [-4 -2];
cov6 = [1 0; 0 1];
trainingDataset2 = [mvnrnd(mean4, cov4, 500); mvnrnd(mean5, cov5, 500); mvnrnd(mean6, cov6, 500)];
MoGOptions = statset('Display', 'final');
MoGObj2 = gmdistribution.fit(trainingDataset2, 2, 'Options', MoGOptions);
figure,
scatter(trainingDataset2(:,1), trainingDataset2(:,2), 10, '.')
hold on
ezcontour(@(x,y)pdf(MoGObj2,[x y]), [-8 6], [-8 2]);
%% Test set
mean7 = [1.1 -2.1];
cov7 = [2.2 0; 0 .4];
mean8 = [0.3 -5.4];
cov8 = [1.2 0; 0 1.1];
testingDataset1 = [mvnrnd(mean7, cov7, 100); mvnrnd(mean8, cov8, 100)];
figure,
scatter(testingDataset1(:,1), testingDataset1(:,2), 10, '.')