machine-learning - GMM 中的负概率

Question

我感到很困惑。我按照 MATLAB 代码为自己测试了一个程序：

feature_train=[1 1 2 1.2 1 1 700 709 708 699 678]; 
No_of_Clusters = 2;
No_of_Iterations = 10;
[m,v,w]=gaussmix(feature_train,[],No_of_Iterations,No_of_Clusters);

feature_ubm=[1000 1001 1002 1002 1000 1060 70 79 78 99 78 23 32 33 23 22 30]; 
No_of_Clusters = 3;
No_of_Iterations = 10;
[mubm,vubm,wubm]=gaussmix(feature_ubm,[],No_of_Iterations,No_of_Clusters);


feature_test=[2 2 2.2 3 1 600 650 750 800 658];
[lp_train,rp,kh,kp]=gaussmixp(feature_test,m,v,w);  
[lp_ubm,rp,kh,kp]=gaussmixp(feature_test,mubm,vubm,wubm);  

但是，结果让我很奇怪，因为 feature_test 必须分类在 feature_train 而不是 feature_ubm 中。正如您在下面看到的，feature_ubm 的概率超过了 feature_train！？！谁能帮我解释一下有什么问题？问题与 gaussmip 和 gaussmix MATLAB 函数有关吗？

sum(lp_ubm)

答案=

-3.4108e+06

总和（lp_train）

答案=

-1.8658e+05

Answer 1

正如您在下面看到的，feature_ubm 的概率超过了 feature_train！？！

你看到完全相反，尽管 ubm 的绝对值很大，但你正在考虑负数和

 sum(lp_train) > sum(lp_ubm)

亨塞

 P(test|train) > P(test|ubm)

因此，您的测试块被正确分类为火车，而不是 ubm。