我(12000, 3)
使用 sklearn 高斯混合模型算法 (GMM) 对我的数据进行了聚类。我有 3 个集群。我的数据的每个点都代表一个分子结构。我想知道如何对每个集群进行采样。我试过这个功能:
gmm = GMM(n_components=3).fit(Data)
gmm.sample(n_samples=20)
但它确实对整个分布进行了抽样,但我需要每个组件的样本。
我(12000, 3)
使用 sklearn 高斯混合模型算法 (GMM) 对我的数据进行了聚类。我有 3 个集群。我的数据的每个点都代表一个分子结构。我想知道如何对每个集群进行采样。我试过这个功能:
gmm = GMM(n_components=3).fit(Data)
gmm.sample(n_samples=20)
但它确实对整个分布进行了抽样,但我需要每个组件的样本。
好吧,这并不容易,因为您需要计算所有协方差矩阵的特征向量。这是我研究的一个问题的一些示例代码
import numpy as np
from scipy.stats import multivariate_normal
import random
from operator import truediv
import itertools
from scipy import linalg
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn import mixture
#import some data which can be used for gmm
mix = np.loadtxt("mixture.txt", usecols=(0,1), unpack=True)
#print(mix.shape)
color_iter = itertools.cycle(['navy', 'c', 'cornflowerblue', 'gold',
'darkorange'])
def plot_results(X, Y_, means, covariances, index, title):
#function for plotting the gaussians
splot = plt.subplot(2, 1, 1 + index)
for i, (mean, covar, color) in enumerate(zip(
means, covariances, color_iter)):
v, w = linalg.eigh(covar)
v = 2. * np.sqrt(2.) * np.sqrt(v)
u = w[0] / linalg.norm(w[0])
# as the DP will not use every component it has access to
# unless it needs it, we shouldn't plot the redundant
# components.
if not np.any(Y_ == i):
continue
plt.scatter(X[Y_ == i, 0], X[Y_ == i, 1], .8, color=color)
# Plot an ellipse to show the Gaussian component
angle = np.arctan(u[1] / u[0])
angle = 180. * angle / np.pi # convert to degrees
ell = mpl.patches.Ellipse(mean, v[0], v[1], 180. + angle, color=color)
ell.set_clip_box(splot.bbox)
ell.set_alpha(0.5)
splot.add_artist(ell)
plt.xlim(-4., 3.)
plt.ylim(-4., 2.)
gmm = mixture.GaussianMixture(n_components=3, covariance_type='full').fit(mix.T)
print(gmm.predict(mix.T))
plot_results(mix.T, gmm.predict(mix.T), gmm.means_, gmm.covariances_, 0,
'Gaussian Mixture')
编辑:这里是您评论的答案。我会使用熊猫来做到这一点。假设X
是你的特征矩阵并且y
是你的标签,那么
import pandas as pd
y_pred = gmm.predict(X)
df_all_info = pd.concat([X,y,y_pred], axis=1)
在生成的数据框中,您可以检查所需的所有信息,甚至可以排除算法错误分类的样本:
df_wrong = df_all_info[df_all_info['name of y-column'] != df_all_info['name of y_pred column']]