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

在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