如何在Python中创建高斯混合模型？

Question

出于可再现性的原因，我将共享少数数据集here。数据集的格式如下。你知道吗

0.080505471,10
0.080709071,20
0.080835753,30
0.081004589,40
0.081009152,30
0.181258811,41
0.181674244,40

从第2列中，我读取当前行并将其与前一行的值进行比较。如果更大，我会继续比较。如果当前值小于前一行的值，我想用当前值（较小）除以前一行的值（较大）。因此，以下代码：

import numpy as np
import scipy.stats
import matplotlib.pyplot as plt
import seaborn as sns

protocols = {}

types = {"data_g": "data_g.csv", "data_v": "data_v.csv", "data_c": "data_c.csv", "data_c": "data_c.csv"}

for protname, fname in types.items():
    col_time,col_window = np.loadtxt(fname,delimiter=',').T
    trailing_window = col_window[:-1] # "past" values at a given index
    leading_window  = col_window[1:]  # "current values at a given index
    decreasing_inds = np.where(leading_window < trailing_window)[0]
    quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
    quotient_times = col_time[decreasing_inds]

    protocols[protname] = {
        "col_time": col_time,
        "col_window": col_window,
        "quotient_times": quotient_times,
        "quotient": quotient,
    }
    plt.figure(); plt.clf()

    plt.plot(quotient_times, quotient, ".", label=protname, color="blue")
    plt.ylim(0, 1.0001)
    plt.title(protname)
    plt.xlabel("quotient_times")
    plt.ylabel("quotient")
    plt.legend()
    plt.show()

这将给出以下曲线图。你知道吗

我们可以从图中看到

• 无论quotient_times的值是多少，商总是>；=0.9

• 当quotient_times小于3时，Data-V的商为0.8，而当quotient_times小于3时，商仍为0.5 大于3。

• 无论quotient_times的值是多少，Data-C的quotient常数都是0.7。

• 无论quotient_times

基于这一要求，我们如何绘制一个高斯混合模型？任何帮助都将不胜感激。你知道吗