GaussianMixture sklearn起始优先级

Question

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

Answer 1

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