GaussianMixture Sklearn首发先验

Question

我有一个混合模型：

gm = mixture.GaussianMixture(
                n_components=3,
                covariance_type="tied",
                weights_init=[w1,w2,w3],
                means_init=[m1,m2,m3],
                random_state=0).fit(datas)

但是，聚类的结果不是完美的，因此我从缩写数据3先验中计算出来以改善聚类。我想将这些先验用作高斯混合物模型的EM算法中的初始起点。

初始手段：它们是起点吗？我可以用新的先验替换它们还是其他东西？

我看到了：

sklearn.mixture.BayesianGaussianMixture 

但是，这似乎确实不同了，就像我无法初始化我的Weigth，只是Priors Weigth，我不知道这是否是同一回事（我不是统计的专家...），并且有我不明白的选项太多...

我如何使用新的先验作为高斯混合物中EM算法的起点？

感谢您的任何帮助。

Answer 1

统计学家帮助我回答了我的问题，而initial_means是EM算法使用的起点。我只需要在GaussianMixture功能中的initial_means中给予我的新先验，而无需使用BayesianGaussianMixture。