0

我正在处理时间序列数据集,因此在拟合包中的GaussianMixture()函数时scikit-learn,我需要使每个特征(时间戳)依赖。但是,在查看源代码后,我没有找到自定义协方差矩阵的参数。

凭借我有限的统计知识,我很好奇如何在 E 步期间修改协方差矩阵以将时间依赖性纳入 GMM 模型。非常感谢。

这是源代码:我要进行的更改是在 estimate_gaussian_parameters() 函数中 https://github.com/scikit-learn/scikit-learn/blob/7389dba/sklearn/mixture/gaussian_mixture.py#L435

4

1 回答 1

0

darksky的帮助下,我了解到该函数是内置的,带有 covariance-matrix 选项。参数covariance_type有 4 个选项:'full'(每个分量都有自己的通用协方差矩阵)、'tied'(所有分量共享相同的通用协方差矩阵)、'diag'(每个分量都有自己的对角协方差矩阵)、'球形'(每个分量都有自己的单一方差)。

在我的理解中,“球形”用于单变量数据集,“诊断”用于具有多变量但独立特征的数据集。因此,如果他们想预测多变体和相关特征,则应该使用“完整”或“捆绑”。

于 2019-02-19T18:15:40.137 回答