问题标签 [gmm]

我想在 MFCC 的帮助下训练 GMM。

我有 588 个音频文件（wav，如果它很重要）。提取特征后，我得到了一组 588 个二维数组（13x？）。每个文件都有不同数量的列。

以及如何将 MFCC 提交给输入算法？

在估计具有多个自变量的 GMM 时，代码为

代码有效，但在输出中，我只有第一个变量，如下所示

我需要一些东西

我不知道为什么，输出中缺少第二个变量。请问有什么想法吗？

下面的代码完美地提供了我对 216 个滚动窗口的 gmm 估计。

我能够提取系数（估计，SE，t_value 和 P_value）

但是，我无法提取 adj.Rsquared。

我使用了下面的代码，但我有NULL，有什么想法吗？

我正在处理从合作者那里收到的代码，它包含 sklearn 中已弃用的 GMM 类中的两个函数：distribute_covar_matrix_to_match_covariance_type log_multivariate_normal_density

由于我对它背后的数学不太熟悉，我很难在新的 GaussianMixture 类中找到等效的函数。任何帮助将不胜感激！

调用函数的代码部分如下：

我有一个问题，也许很简单。在动态面板数据模型（GMM 估计器）中的 Stata 中，您会收到“多种工具”。反过来，在 R 中，您会收到 AR 测试、sargan 测试，但也不会显示“仪器数量”。如何获得R中的乐器数量？感谢您的帮助

我正在尝试根据样本资本结构数据估计系统 GMM 方程，我无法在谷歌驱动器上打开访问。我只是加载数据，消除“NAs”，使其成为 pdata.frame 然后运行下面的代码。

我使用的软件包是：plm 和 dplyr

数据准备的代码是

加载数据，并使其成为面板数据

我确保面板中的所有单元都有超过 10 年的数据点，因此满足 GMM 要求。无论我做什么，我每次都会遇到同样的错误。我提供了数据集的链接。如果你们告诉我如何解决它，我将不胜感激

https://drive.google.com/open?id=1o_Fvy6089MRh5OMGudzvabF-LRljPws_

在计算高斯混合模型期间，我必须计算多元高斯分布的 pdf()。我使用scipy multivariate_normal()方法来做到这一点。现在在计算过程中，我遇到了一个错误，上面写着

LinAlgError：奇异矩阵

设置scipy multivariate_normal() = True 的 allow_singular 参数可以绕过这个错误，我得到了一个非常有意义的结果：

那么 scipy 如何“允许”奇点以及计算的后果是什么？--> 如果没有后果，严格来说，这个参数可以默认设置为TRUE（但不是）。

The eval() method under sklearn.mixture.GMM from the scikit-learn version 0.11 is deprecated. Is there a similar method or a workaround in the newest version 0.19.2 ?

简而言之：我正在尝试使用 R 中的“pgmm”包进行 GMM 估计。这样做的原因是研究腐败对公共债务的影响。当我试图回归整个事情时，我得到“系统在计算上是奇异的”作为错误。

变量：

债务<-部门。变量（公共债务占 GDP 的百分比）

cpi <- 工业指数。我要调查的变量（腐败感知指数）

教育 <- 工业。控制变量（中学入学率）

pol <- 工业 控制变量（政治稳定指数）

exp <- ind。控制变量（政府开支）

国内生产总值<-工业。控制变量（gdp/cap）

除了 cpi 和 pol 之外的所有变量都在日志中。

数据包含 1998 年至 2016 年期间大约 120 个国家的这些指标。带有“NA”的观测值被删除，剩下 1232 个观测值用于回归。

我使用现有的论文作为该模型的方向。作为我的第一个动态面板模型，当谈到最终回归时，我有点困惑。

该论文引用：“差分方程用因变量的滞后水平、两个时期和滞后一个时期的差异水平方程来衡量。”

所以我使用了以下代码（我实际上不是 100% 确定这是否是作者在上面引用的意思）：

收到以下错误：

我对这个问题使用了搜索功能，变量之间的高度相关性通常似乎是障碍。下表得出变量之间的相关性。

确实有一些高值，所以我再次测试了回归，将特定变量排除在外，但警告仍然出现。

对于数据本身存在问题的情况，您可以查看 csv.file 的一些示例行：

如果我可能无法看到一些关键错误，我很抱歉，但我现在已经为这个问题苦苦挣扎了几天。GMM 对我来说是一个全新的领域，我非常感谢一些帮助 :)

来自沮丧学生的问候

我正在尝试基于大量提取的 MFCC 特征生成通用背景模型 (UBM)，但是MemoryError当我将数据拟合到模型时，我一直得到一个。这是相关的代码部分：

有没有办法解决这个错误或者分解数据的处理以避免内存错误。我对这个领域很陌生，如果能得到任何帮助，我将不胜感激。

[更新]

不幸的是，这里提到的答案并不能解决我的问题，因为假设 data_set 具有低方差，而在我的情况下：

增量拟合可能是一种解决方案，但对于 GMMscikit-learn没有这样的解决方案。partial_fit我将不胜感激有关如何解决此问题的任何建议，无论是替代库建议、partial_fit 参考实现还是批量处理数据（在这种情况下不起作用，因为GMM.fit()内存较少）？