问题标签 [gmm]

我gaussian mixture model在sklearn（python）中使用。图像已安装在 上gaussian mixture model。然后，它将被聚类。(ex. component = 3, so some area is 0, and others 1, 2) 树区域为 0，天空区域为 1。但是，我再次执行，树区域为 1。我不明白为什么改变了吗？有没有办法修复集群？

这里有一些代码。

我有一个包含 70 列和 440 万行的数据集。我想对其进行聚类。我先做了 TF-IDF，然后我使用了 K-means、二等分 k-means 和高斯混合模型 (GMM) 的聚类。虽然其他技术给了我指定数量的集群，但 GMM 只给出了一个集群。例如，在下面的代码中，我想要 20 个集群，但它只返回 1 个集群。发生这种情况是因为我有很多列还是仅仅是由于数据的性质造成的？

我正在尝试使用扬声器音频样本的 MFCC 功能创建 GMM 扬声器模型。对于特定的扬声器，我有 18 维 MFCC 特征。

要在 Java 中创建 GMM 模型，我有这个 GaussianMixture.java 类，它需要：

1. 双[] 组件权重
2. 矩阵[] 表示
3. Matrix[] 协方差

你可以参考这里的课程GaussianMixture.java

我无法理解的是如何提供我提取的 MFCC 数据的均值和协方差。

我必须为means18 个维度中的每一个进行计算吗？如果是这样，那会是componentWeights什么？

如果我在某处不清楚，请纠正。谢谢。

我正在通过 MATLAB 中的 GMM 进行聚类。警告是“无法在 100 次迭代中收敛 10 个组件的 gmdistribution” 我该怎么办？

我想创建使用 GMM 模型的 android 应用程序。我已经在 python 上对其进行了训练，所以我想知道是否可以使用我已经在 kotlin 中训练的模型。

(n,d)在给定 GMM 参数（$\pi_k、\mu_k、\Sigma_k$）的情况下，我想（有效地）在数据点列表上评估高斯混合模型（GMM ）。我找不到使用标准sklearn或scipy软件包的方法。

编辑：假设有n数据点，维度dso (n,d)，并且 GMM 有k分量，因此例如第 k 个分量的协方差矩阵 \Sigma_k 是(d,d)，并且总共 \Sigma 是(k,d,d)。

例如，如果您首先在 sklearn 中拟合score_samplesGMM，则可以调用，但这仅在我拟合数据时才有效。或者，您可以对每组参数scipy运行一个 for 循环，并进行加权和/点积，但这很慢。multivariate_normal.pdf检查任何一个的源代码都没有启发（对我来说）。

我目前正在用 nd 数组和张量点积来破解一些东西.. oy .. 希望有人有更好的方法？

我正在尝试为 24 维特征向量和 32 维特征向量实现 GMM 聚类，其中初始参数的分配由 Kmeans algorightm 完成（K 均值聚类仅提供聚类中心 - MU）。我正在关注这个链接，它仅针对 2D 特征向量和预定义的 Mu 和 sigma 实现。

如果有人有 GMM 聚类的代码，请发布。

sklearn 中也有 GMM 的预定义库，但它并没有给我每次迭代的可能性。sklearn GMM

我对 Tensorflow 以及高斯混合模型真的很陌生。

我最近使用 tensorflow.contrib.distribution.MixtureSameFamily 类来预测概率密度函数，该函数源自 4 个分量的高斯混合。

当我使用 Tensorflow 教程解释的“prob()”函数绘制预测密度函数时，我发现绘制的 pdf 只有一种模式。我希望看到 4 种模式，因为混合成分是 4。

我想问一下 Tensorflow 是否在他们的 MixtureSameFamily 类中使​​用了任何全局模式预测算法。如果没有，我还想知道 MixtureSameFamily 类如何用统计值形成 pdf。

非常感谢。

我是机器学习领域的新手。目前，我正在尝试实现一个音频语言检测系统，它基于任何音频文件的 MFCC、delta、delta delta 和 Mel Spectrum Coefficients。这些特征是使用 librosa 提取的。Librosa 返回 MFCC 的二维矩阵。问题是我想在高斯混合模型上训练它们。Sci-kit 库以 格式接受输入(n_samples, n_features)，但我有一个(n_samples, n_mfcc, n_time)由librosa.features.mfcc(). 如何向 GMM 提供 3D 输入？

还有一种方法可以将上面提到的所有 4 个功能发送到模型中吗？

我想使用 GMM 对经典的鸢尾花数据集进行聚类。我从以下位置获取数据集：

https://gist.github.com/netj/8836201

到目前为止，我的程序如下：

我遇到的问题是当我尝试获取巧合数 y_predict=y_train 时，因为每次运行程序都会得到不同的结果。例如：

第一次运行：

第二次运行：

第三轮：

因此，正如您所见，每次运行的结果都不同。我在互联网上找到了一些代码：

https://scikit-learn.org/0.16/auto_examples/mixture/plot_gmm_classifier.html

但他们在完全协方差的情况下，训练集的准确度约为 82%。在这种情况下我做错了什么？

谢谢

更新：我发现在互联网示例中使用 GMM 而不是新的 GaussianMixture。我还发现，在示例中，GMM 参数以监督方式初始化：classifier.means_ = np.array([X_train[y_train == i].mean(axis=0) for i in xrange(n_classes)])

我已将修改后的代码放在上面，但每次运行它时它仍然会更改结果，但是使用库 GMM 不会发生这种情况。