问题标签 [mixture]

我有兴趣将 2 分量高斯混合模型拟合到下面显示的数据中。但是，由于我在这里绘制的是归一化为 0-1 之间的对数转换计数，因此我的数据将采用的最大值为 0。当我尝试使用 sklearn.mixture.GaussianMixture（下面的代码）进行简单拟合时，我得到合适的结果，这显然不是我想要的。

如果我可以将顶部分量的平均值固定为 0，并且只优化另一个平均值、两个方差和混合分数，我会很高兴。（此外，我希望能够为右侧的组件使用半正常值。）有没有一种简单的方法可以使用 python/sklearn 中的内置函数来做到这一点，或者我必须自己构建该模型使用一些概率编程语言？

我正在尝试使用 copula 包在 R 中构建一个多元混合 Copula。目标是对金融数据集的依赖关系进行建模。每当我没有超过 6 个资产时，这都可以正常工作。但是，超过 6 个时，我收到一条错误消息，指出下标超出范围。我在函数的文档中没有找到任何提示。

这是一个代码示例：

我得到的错误是：

有什么方法可以构造维度大于 6 的多元混合 copula？提前致谢。

我的目标是计算本文中的损失函数

对于这种损失，我们需要计算依赖于我们的估计器的函数

而这部分是正态分布和帕累托分布函数

这是我试图最小化的损失函数

问题是在训练期间我的损失变成了一个南，我不明白为什么

我想手动在 R 中拟合混合模型。然后，我想分别存储混合模型每个分量的观察结果。也就是说，我希望我的代码保留从每个组件中提取的观察结果。这是一个使用 EM 算法的混合模型示例。

我想知道每个混合成分的观察结果是什么。我需要这些观察的价值。

这个问题真的需要帮助。我可能想多了。任何帮助将不胜感激！谢谢！

令 X ∼ N(0, 1) 和 Y ∼ N(4, 2)。

(a) 绘制混合分布的分布，其中 X 以概率 p 选择，Y 以概率 (1-p) 选择三个不同的 p 值

所以我开始了，但不确定我是否走在正确的道路上......仍在尝试不同的事情

我是 CoolProp 的新手，我正在尝试从气体混合物中获取值（密度、焓等）。当我使用此代码时，它工作正常：

i_2 = PropsSI('H', 'T', 340, 'P', 101325, 'HEOS::O2[0.07]&CO2[0.12]&Ar[0.006]&Water[0.1]&N2[0.7]')

i_2 = 523080.7286096605

但是当我使用更高的温度时，我得到了这个错误。

ValueError: One stationary point (not good) for T=345,p=101325,z=[ 0.0801159090456, 0.0211270074909, 0.00654417174276, 4.32846575225e-05, 0.892169627063 ] : PropsSI("H","T",345,"P",101325,"HEOS::O2[0.07]&CO2[0.12]&Ar[0.006]&Water[0.1]&N2[0.7]")

我必须使用更多积分还是提供更多数据？

先感谢您

我正在尝试创建一个 qqplot 并针对 25% N(μ=0,σ=4) 和 75% N(μ=4,σ=2) 的正态混合分布运行 KS 测试。我怎样才能使我的 qqplot 和 KS 测试适应这个分布？我不认为我的 abline 是正确的，我的 KS 测试并没有真正正确地反映分布。

任何帮助，将不胜感激。

我正在尝试混合两个高斯，但我不知道如何使一个高斯的参数大于另一个高斯的参数。

上面的代码与 astropy 文档中的示例几乎相同：https ://docs.astropy.org/en/stable/modeling/compound-models.html 。假数据由平均值为 -0.5 的 g1 加上平均值为 0.5 的 g2 组成。我最初的猜测是两个均值为 0.0 的高斯。如何将 g1 和 g2 的拟合均值联系起来，以使 g1 的均值大于 g2 的均值。在本例中，我希望 g1 的平均值为 -0.5，g2 的平均值为 0.5。

我找不到任何可帮助解决此问题的文档。

任何帮助表示赞赏:)

我熟悉 Sklearn Gaussian Mixture，并且很难在 Pymc3 上取得进展。使用以下 pymc3 代码，对 1 个变量 X 和 2 个 W=[0.2,0.8] 的混合使用时间序列

接着

如何获得组件的时间序列（哪个分布？），组件概率，均值，西格玛？

我有两个具有已知权重0.6和0.4.

我知道参数的真实值 - 在这种情况下，第一个是平均值 = 10030，sd = 2 的正常值，第二个是平均值 10000 和 sd = 1 的正常值 - 但我希望能够从分位数值估计它们.

如果给我 23 个分位数

和他们的价值观

在 R 中估计每个分布的均值和方差参数的最佳方法是什么？

我尝试使用带有 nls 函数的最小二乘法进行估计

nls(quantiles~weights[1]*pnorm(rvals,mean1,sd1),start = list(mean1=startm1, sd1=startsd1, startm2, startsd2))

我也尝试过使用rootSolve::multiroot()

我尝试一次解决一个参数或解决所有四个参数。到目前为止，获得良好估计的唯一希望是给出非常接近真实参数的起始值。

任何建议都有帮助。

谢谢