使用sklearn初始化Python中的高斯混合函數

我想要用sklearn來做高斯混合，但我想我錯過了一些東西，因爲它確實無法工作。使用sklearn初始化Python中的高斯混合函數

我原來DATAS是這樣的：

Genotype LogRatio Strength 
AB  0.392805 10.625016 
AA  1.922468 10.765716 
AB  0.22074 10.405445 
BB  -0.059783 10.625016

我想要做一個高斯混合3種成分= 3種基因型（AA | AB | BB）。我知道每種基因型的重量，每種基因型的對數比率的平均值和每種基因型的強度的平均值。

wgts = [0.8,0.19,0.01] # weight of AA,AB,BB 
means = [[-0.5,9],[0.5,9],[1.5,9]] # mean(LogRatio), mean(Strenght) for AA,AB,BB

我保留列LogRatio和Strength並創建一個NumPy數組。

datas = [[ 0.392805 10.625016] 
     [ 1.922468 10.765716] 
     [ 0.22074 10.405445] 
     [ -0.059783 9.798655]]

然後我從sklearn v0.18測試的混合物，功能GaussianMixture，也試圖從sklearn v0.17功能GaussianMixtureModel（我還沒有看到其中的差別，不知道用哪一個）。

gmm = mixture.GMM(n_components=3) 
OR 
gmm = mixture.GaussianMixture(n_components=3) 

gmm.fit(datas) 

colors = ['r' if i==0 else 'b' if i==1 else 'g' for i in gmm.predict(datas)] 
ax = plt.gca() 
ax.scatter(datas[:,0], datas[:,1], c=colors, alpha=0.8) 
plt.show()

這是我獲得，這是一個很好的結果，但它的變化，因爲初始參數計算不同每次運行

Results of clusterization

我想以初始化gaussianMixture我的參數每次或GMM功能，但我不明白我如何合成我的數據：（

來源

2016-11-08 Elysire

您希望每次都有相同的結果嗎？這是你的問題嗎？ – MMF

是的，我想每次都得到相同的結果，我相信如果我能修復初始參數，情況就會如此。 – Elysire

好的，看看我的答案然後;） – MMF

可以通過明確播種來控制結果再現性的隨機性僞隨機數發生器。

相反的：

gmm = mixture.GaussianMixture(n_components=3)

務必：

gmm = mixture.GaussianMixture(n_components=3, random_state=3)

random_state必須是int：我隨意將其設置爲3但你可以選擇任何其他的整數。

當使用相同的random_state運行多次時，您將得到相同的結果。

來源

2016-11-08 15:21:37 MMF

是的，你是對的我有與random_state相同的結果，但我仍然想修復我的初始參數與「weights_init」和「means_init」，我不能使用我的權重列表[ 0.8,0.19,0.01]直接甚至是陣列形狀。我不知道如何合成我的體重和手段。 – Elysire

我不明白你爲什麼不能把你的「權重」和「手段」列表。根據文件它應該工作，如果通過那樣。拋出的錯誤是什麼？ – MMF

錯誤是「ValueError：參數'權重'應歸一化，但得到總和（權重）= 0.98377」 – Elysire

使用sklearn初始化Python中的高斯混合函數

回答

相關問題