我有一个混合模型:
gm = mixture.GaussianMixture(
n_components=3,
covariance_type="tied",
weights_init=[w1,w2,w3],
means_init=[m1,m2,m3],
random_state=0).fit(datas)
但是,聚类的结果并不完美,所以我从初始数据中计算出3个先验值来改进聚类。我想用这些先验作为高斯混合模型的EM算法的初始起点。在
最初的意思是:它们是起点吗?我能用我的新前辈来代替他们吗?还是换个别的?在
我看到了:
^{pr2}$但是,这看起来真的不一样,就像我不能初始化我的重量,只是优先权和我不知道是否是同一件事(我不是统计学专家…),有太多的选项我不明白。。。在
在高斯混合模型中,如何使用新的先验知识作为EM算法的起点呢?在
谢谢你的帮助。在
一位统计学家帮我回答了我的问题,正是
initial_means
是EM算法的起点。 我只需要在GaussianMixture
函数中给出initial_means
的新优先级,不需要使用BayesianGaussianMixture
。在相关问题 更多 >
编程相关推荐