问题标签 [mixture-model]

我正在使用包 mclust 的 coordProj 功能，当您使用“错误”选项进行绘图时，我想更改符号和颜色。

我的代码

这里的情节（http://i.stack.imgur.com/Nmgbq.png）

我正在尝试用字符“F”来改变黑点，而用“T”来改变其他的黑点。我不知道这是不可能的，还是我做错了。

我想在 Matlab 中计算下面的公式（E-step of EM for Multinomial Mixture Model），

g 和 θ 是矩阵，θ 和 λ 具有以下约束：


但是 m 的计数超过 1593，并且当计算 θ 的乘积时，数字变得非常小，Matlab 将其保存为零。任何人都可以简化 g 公式或使用其他技巧来解决这个问题？

更新：

数据： data.txt （下载后，将文件扩展名更改为“mat”）

代码：

结尾

我想在 MATLAB 中拟合高斯混合模型。具体来说，我想从不同的起点拟合数百个模型，并将它们拟合为几次 EM 迭代（例如 10 次）。最终目的是利用遗传算法寻找一个好的模型。

拟合混合模型非常耗时，所以我想知道是否有任何使用 MATLAB 的并行处理工具箱在 gpu 上运行的快速实现？我尝试通过将 gpuArray 传递给 gmcluster 函数并将 gmcluster 和相关文件中的适当变量更改为 gpuArray 来实现一个简单的 gpu 版本。这实际上使运行时变得更糟（在特定数据集 CPU 时间为 0.1 而 GPU 为 0.2）。

是否可以对天真的 gpu 实现进行任何改进？（我是 gpu 编程的新手）。

我知道有一些实现，例如这里的一个，但它不够灵活，无法接受均值和协方差起始参数。

我将不胜感激任何帮助/指针。

谢谢

编辑：这是需要相当长的时间的代码部分，我想在 GPU 上运行。代码计算 mu 中的平均值和 Sigma 中的协方差，给定每个 og k 高斯的概率隶属矩阵 post。

在哪里：

对于我的目的，n 在 1000 到 10,000 之间，d 在 10 左右，k 在 2 到 15 之间。

matlab 函数nbinfit返回负二项式的值r和p。matlab 中是否有等效的 MLE 函数，它返回负二项式的“生态”或“Polya”参数化的 mu（均值）和 theta（色散参数）的值？

（类似于fitdistrR 中的东西）

我正在阅读这篇特别的论文http://www.robots.ox.ac.uk/~vgg/publications/2011/Chatfield11/chatfield11.pdf，我发现带有 GMM 词汇方法的 Fisher Vector 非常有趣，我想测试一下我自己。

然而，（对我来说）他们如何对数据应用 PCA 降维是完全不清楚的。我的意思是，他们是否计算了特征空间，一旦计算出来，他们会对其执行 PCA 吗？还是他们只是在计算 SIFT 之后对每个图像执行 PCA，然后创建特征空间？

这应该对两个训练测试集都进行吗？对我来说，这是一个“显然是”的答案，但还不清楚。

我正在考虑从训练集创建特征空间，然后在其上运行 PCA。然后，我可以使用训练集中的 PCA 系数来减少每个图像的筛选描述符，该描述符将被编码为 Fisher Vector 以供以后分类，无论是测试图像还是训练图像。

编辑1；

简单的例子：

然后（对于测试和训练图像）

reduced_test_img = test_img * coef;（然后选择reduce_test_img的前80个维度）

你怎么看？干杯

我想使用 sklearn.mixture.GMM 将高斯混合拟合一些数据，结果类似于我使用 R 的“Mclust”包得到的结果。

数据如下所示：

所以这就是我使用 R 对数据进行聚类的方法，它给了我 14 个很好分离的聚类，而且很容易从楼梯上掉下来：

这就是我在使用 python 尝试时所说的话：

它将所有点分配给同一个集群。我还注意到，当我告诉它找到 1 个集群时，拟合的 AIC 最低，并且随着集群数量的增加线性增加。我究竟做错了什么？我需要考虑其他参数吗？

Mclust 和 sklearn.mixture 使用的模型有区别吗？

但更重要的是：sklearn 中对我的数据进行聚类的最佳方式是什么？

我一直在尝试为单变量分布拟合高斯混合模型（GMM），其中每个观察值都有一个分配的权重（从 0 到 1）。

为基本的“密度”功能（来自“统计”）分配权重可以很容易地完成，但我无法为 GMM 包作为“mixtools”或“mclust”执行此操作。

后者甚至有一个功能 - 'me.weighted' - 在链接“ http://cran.open-source-solution.org/web/packages/mclust/vignettes/mclust-weights.pdf ”中举例说明，但是我无法让它工作。在他们的示例和我的数据中，我都收到一个错误：

我将 scikit 中的混合建模问题提炼到以下 1D 示例。简单地将混合模型拟合到一维密度。我在使用简单 GMM 时体验到了良好的性能，但在使用变分或狄利克雷过程 GMM 时出现了奇怪的行为。首先，拟合非常差，其次，推断的分布没有标准化（参见下面的代码和图像）。

在示例http://scikit-learn.org/stable/auto_examples/mixture/plot_gmm_pdf.html中，同样的行为很明显。GMM 类返回的概率近似归一化，而 DPGMM 类返回的概率没有。通过附加以下行来计算归一化：

这是一个错误，还是我做错了什么？

代码：

我正在尝试将混合分布模型拟合到值向量，混合需要由 2 个高斯分布和 1 个均匀分布组成。我正在尝试在 Winbugs 中实现这一点。我发现了很多使用高斯混合的例子，但不知道如何添加制服。下面的代码贴目前已参数化以适合在零和一之间缩放的值向量，但我得到“节点 NSD [1] 的多个定义”，所以看来我的结构仍然是错误的。有什么建议么？

我一直在尝试使用's implementationR对障碍模型的有限混合进行编码。我特别感兴趣的是计数数据的负二项式障碍。psclhurdle

我遇到了这个包，不幸的是它没有为'sflexmix提供内置驱动程序。尽管进行了多次尝试，我仍然无法正确编码驱动程序。psclhurdle

有没有人用过pscl's hurdlewith flexmix，你能分享一下驱动程序的工作实现吗？

提前致谢。