scikit-learn - 高斯混合模型对维度的不同重要性

Question

是否有任何策略或技巧可以对数据的不同维度赋予不同的重要性？

这意味着，当在多维数据上拟合 GMM 时，一个方向的距离比其他方向的距离更容易受到惩罚。我考虑的选项：

• 预处理：尺寸的简单缩放不起作用，因为 GMM 只会学习类似缩放的方差。
• 操纵 EM 算法：我尝试在每个 M 步之后将协方差矩阵缩放到不太重要的维度的方向。中度成功。

我有点惊讶，我找不到关于这个非常明显的用例的信息。