scikit-learn - sklearn BayesianGaussianMixture 基于多个数据点的聚类分配

Question

我正在尝试使用 sklearn.mixture.BayesianGaussianMixture 来拟合一组轨迹。

每个轨迹由一组数据点组成，例如

t_i = {x_i1, y_i1, x_i2, y_i2, ... , x_iN, y_iN},

其中t_i是第 i 个轨迹，(x_ik, y_ik)是轨迹上的第 k 个点。例如，x_ik 可以表示机器人在时间步 k 的状态，y_ik 可以表示机器人采取的动作。每个 GP 组件都是从 x_ik -> y_ik 的映射。这是使用 sklearn 学习 GP 的标准。

但是，当您想先学习具有狄利克雷过程的高斯混合模型时，您必须决定何时添加新的 GP 组件。

BayesianGaussianMixture类仅为您提供基于单个数据点进行集群分配的接口。换句话说，一个新的数据点是否属于一个新的集群。

我感兴趣的是：给出一组轨迹，其中每个轨迹可能包含很多数据点。有没有办法根据轨迹进行集群分配？即给定一个新的轨迹，判断它是否属于一个新的集群。

Answer 1

我会采用以下方法。

首先，尝试将您的连续坐标转换为一组离散值。例如，您可以将地图划分为单元格，并根据单元格为每个点 (x_i, y_i) 分配一个标签。在这种情况下，每个轨迹都变成了一个标签序列

traj_1: cell_id_0 -> cell_id_1 -> ... -> cell_id_n
traj_2: cell_id_3 -> cell_id_6 -> ... -> cell_id_m
...

现在可以使用诸如词袋或word2vec之类的东西来表示具有一组固定特征的每个轨迹（可能具有不同的长度），或者换句话说，作为高维空间中的一个单点。可能有更简单的方法，但我不知道。