问题标签 [mixture-model]

使用 mixtools 时出现曲线绘图问题

使用以下 R 代码

我得到了一个很好的直方图，其中叠加了从模型估计的 2 条正态曲线。

问题在于默认颜色（即红色和绿色），我需要将其更改为黑色和灰色的出版物。

我认为这样做的一种方法是首先生成直方图

然后使用“曲线”功能添加线条。

.......但我迷路了，无法解决

我将不胜感激任何指示或实际解决方案

谢谢

PS。请注意，使用 ggplot 可以解决此问题的另一种解决方法： 关于如何使用 ggplot2 绘制 mixEM 类型数据的任何建议， 但由于各种原因，我需要继续使用基本图形

案例一：一个伽玛（我可以做到！）

案例二：两个 Gamma（我做不到！）

但这是错误的！

因为它假设所有十次平局都将来自 A 或 B 之一！

我想知道 PCL 库是否有任何 GMM（高斯混合模型）实现？实际上我已经搜索过，但我找不到任何库或源代码！主要思想是使用这种 GMM 技术来检测场景中 Kinect 传感器获取的运动物体的点云。

我需要在 RGB 图像上使用高斯混合模型，因此数据集非常大。这需要实时运行（来自网络摄像头）。我首先用 Matlab 进行了编码，我能够为 1729 × 866 的图像实现 0.5 秒的运行时间。最终应用程序的图像会更小，因此时间会更快。

但是，我需要使用 Python 和 OpenCV 为最终应用程序实现这一点（我需要它在嵌入式板上运行）。我翻译了我所有的代码并使用 sklearn.mixture.GMM 来替换 Matlab 中的 fitgmdist。计算 GMM 模型本身的代码行仅在 7.7e-05 秒内执行，但拟合模型需要 19 秒。我尝试过其他类型的协方差，例如“诊断”或“球形”，时间确实减少了一点，但结果更糟，时间仍然不够好，甚至没有接近。

我想知道是否有任何其他库可以使用，或者将函数从 Matlab 转换为 Python 是否值得。

这是我的例子：

非常感谢您的帮助

我正在设计一种需要部分运行 EM 算法的新算法。为此，我正在使用 MATLAB 的 (R2015b) fitgmdist。

我观察到通过（1）一次运行大量迭代和（2）一个接一个地运行相同数量的迭代所获得的解决方案之间的差异。请注意，两个版本都使用相同的起点，重复次数保留为 1（默认），RegularizationValue 保留为默认值 (0)。

那么差异从何而来？

这是演示该问题的代码：

编辑：我之前没有检查的一件事是用于 GMModel 的迭代次数（当 MaxIter 设置为 100 时）。它在 74 次迭代后停止。

一次迭代 74 次迭代的负对数似然与 100 MaxIter 相同。在第 75 次迭代时，它下降了 ~0.006。那么另一个问题出现了，为什么 MaxIter 100 版本在对数似然下降超过容差 1e-6 时在迭代 74 处停止？

我有一个组成样本，我想拟合 Dirichlet 分布的有限混合。更准确地说，考虑以下示例：

X包含从 3 部分单纯形中定义的狄利克雷分布混合生成的样本。该混合物的第一个 Dirichlet 分量具有参数 (1,1,1)，第二个分量具有参数 (2,1,1)，第三个分量具有参数 (1,1,20)。混合概率为 0.25、0.15、0.60。我想从示例中检索这些参数。

你如何找到这个参数？

我正在尝试使用 GMM 对测试集进行分类。我有一个带有标签 {1,2,3} 的训练集（n*4 矩阵），n 表示训练示例的数量，具有 4 个属性。而且我还有一个要分类的测试集（m * 4）。

我的目标是为每个给出每个标签的测试示例提供一个概率矩阵 (m*3) P(x_test|labels)。就像软聚类一样。

首先，我在整个训练集上创建了一个包含 k=9 个组件的 GMM。我知道在一些论文中，作者为 trainset 中的每个标签创建了一个 GMM。但我想处理所有类的数据。

我的问题是，我想确认P(component|labels)组件和标签之间的关系。所以我写了如下代码，但不确定是否正确，

cita_c_k是一个 (3*9) 矩阵来存储关系。idx_ex_of_c1是样本的索引，其在训练集中的标签为“1”。

对于测试过程。我首先将 GMModel 应用于测试集

然后，将所有组件相加，

结果还可以，但还不够好。谁能给我一些提示？

谢谢！

我正在关注此处找到的 MATLAB 示例

根据每个成分的均值和方差估计混合物方差起点的公式是否正确？

有了我的数据，我有

所以 sigmaStart 是非真实的

请你帮助我好吗？我附上了我想要拟合的直方图..

我在 R 中进行了潜在的类分析，并且有两个问题。

问题1；lca4-6可以分析，lca7不能分析。

.External.graphics 中的错误（C_layout，num.rows，num.cols，mat，as.integer（num.figures），：无效的图形状态

摘要错误（lca7$posterior，disits = 2）：找不到对象“lca7”

问题2; 您可以添加数据集中每个样本的隶属类别编号吗？

我想将 Austin 的关于用于密度估计的 Dirichlet 过程混合物的示例扩展到多变量情况。

我发现的关于使用 pymc3 的多元高斯混合的第一个信息是Github 上的这个问题。参与该问题的人说有两种不同的解决方案，但它们对我不起作用。例如，通过在这样的简单模型中使用 Brandon 的多元扩展：

我无法在 (3,3) 附近获得正确的平均值：

由于 Benavente，可以复制另一个解决方案：

我已将此代码更改pm.ElemwiseCategoricalStep为pm.ElemwiseCategorical和

经过

但我得到了这个例外：

我很感激任何帮助。谢谢！