mixture-model

    0熱度

    1回答

    我從Understanding concept of Gaussian Mixture Models讀了GMM的概念。這對我有幫助。我也爲fisheriris實施了GMM,但是我沒有使用fitgmdist函數,因爲我沒有。所以我使用了http://chrisjmccormick.wordpress.com/2014/08/04/gaussian-mixture-models-tutorial-an

    3熱度

    1回答

    我成功實施使用PyMC 3個法線混合多元法線的分層混合模型(在https://drive.google.com/file/d/0Bwnmbh6ueWhqSkUtV1JFZDJwLWc所示,並且類似於在How to model a mixture of 3 Normals in PyMC?問的問題) 我的下一步是嘗試代碼混合多元法線。 然而,數據有一個額外的複雜性 - 一個層次結構,觀察組屬於父親觀

    0熱度

    1回答

    我想僅抽取一部分由它們的均值和協方差矩陣給出的高斯的矢量的一些元素。 具體做法是:利用高斯混合模型(GMM) 我插補數據。我使用以下過程和sklearn: 轉嫁給均值 獲得裝置和與GMM協方差(例如5個組分) 取樣品和樣品僅缺失值中的一個。其他值保持不變。 重複幾次 有兩個問題,我這個看。 (A)我如何從高斯總和中抽樣,(B)我如何抽取部分矢量。我假設兩者都可以同時解決。對於(A),我可以使用拒絕

    0熱度

    1回答

    我正在閱讀這篇特別的論文http://www.robots.ox.ac.uk/~vgg/publications/2011/Chatfield11/chatfield11.pdf,我發現Fisher矢量與GMM詞彙的方法非常有趣,我想自己測試一下。 但是,對於我來說,他們如何將PCA維度降低應用於數據是完全不清楚的。我的意思是,他們是否計算特徵空間,一旦計算出來,他們會對其執行PCA?或者他們只是

    0熱度

    1回答

    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。 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

    3熱度

    1回答

    我試圖估計Tweedie(或複合Poisson-gamma)分佈的有限混合。我已經搜尋了我能想到的任何資源,但沒有找到任何資源來說明如何做到這一點。 我目前正在使用flexmix包R寫入不同的M-步進驅動器,如在12-14頁的flexmix小插曲概述。這裏是我的代碼,它依賴於CPLM包: tweedieClust <- function(formula = .~.,offset = NULL){

    1熱度

    1回答

    我想使用sklearn.mixture.GMM來適應一些數據的混合高斯,結果類似於我使用R的「Mclust」包得到的結果。 的數據是這樣的: 因此,這裏就是我的集羣中使用R中的數據,它給了我14個很好地分離集羣,並輕而易舉地上下樓梯: data <- read.table('~/gmtest/foo.csv',sep=",") library(mclust) D = Mclust(data,G

    2熱度

    1回答

    我已經在voicebox MATLAB工具中應用gaussmix函數來計算GMM。但是,當我爲512 GMM組件運行代碼時,該代碼給我帶來了錯誤。 No_of_Clusters = 512; No_of_Iterations = 10; [m_ubm1,v_ubm1,w_ubm1]=gaussmix(feature,[],No_of_Iterations,No_of_Clusters);

    20熱度

    3回答

    我想通過閱讀在線可用來源瞭解GMM。我已經使用K-Means實現了聚類,並且看到GMM如何與K-means相比較。 以下是我也明白了,請讓我知道,如果我的觀念是錯誤的: GMM就像KNN,在聚類在這兩種情況下取​​得的感覺。但是在GMM中,每個羣都有自己的獨立均值和協方差。此外,k-means執行數據點到簇的硬分配,而在GMM中,我們得到一組獨立的高斯分佈,並且對於每個數據點,我們有它屬於其中一個

    2熱度

    1回答

    我不確定如何使用訓練的高斯混合模型(GMM)對一些新數據進行預測。例如,我已經從3個不同的類(集羣)中獲得了一些標記的數據。對於每一類數據點,我適合一個GMM(gm1,gm2和gm3)。假設我們知道每個類的高斯混合數(例如k1 = 2,k2 = 1和k3 = 3),或者可以使用Akaike信息準則(AIC)估計(優化)它的數量。然後,當我得到一些新的數據集時,我怎麼能知道它是否更可能屬於第1,2或