如何获得GMM集群的非规范责任？

Question

我已经用sklearn训练了一个高斯混合模型，并且我试图获得给定聚类均值和方差的数据点的非规范化责任。在

GMM.predict_proba不幸的是返回标准化的概率，因此它们的总和为1，但我需要原始概率。在

我试过以下几种（GMM是适合通用的车型）：

import numpy as np
from sklearn import mixture
lpr = (mixture.log_multivariate_normal_density(X, GMM.means_, GMM.covars_, GMM.covariance_type) + np.log(GMM.weights_))
probs = np.exp(lpr)

但我得到的概率大于1。在

我做错什么了？在

Answer 1

lpr是高斯分量的对数概率。要转换为GMM的概率，需要在对数空间中进行这些求和。下面的代码将对此进行解释。在

from sklearn.utils.extmath import logsumexp

lpr = (mixture.log_multivariate_normal_density(X, GMM.means_, GMM.covars_, GMM.covariance_type) + np.log(GMM.weights_)) # probabilities of components
logprob = logsumexp(lpr, axis=1) # logsum to get probability of GMM
probs = np.exp(logprob) # 0 < probs < 1