高斯蟒蛇的混合物

Question

我试图将高斯混合模型拟合到python中的一个维数阵列。我正在使用Python的Sklearn库中的"混合物"。

我的样品阵列包括来自单个正态分布的437个样本，平均值= 70.2且方差= 11.8，我在其中添加了一些噪音，而不会失去正常形状。

在Python中，我的数组，即V，就像：V =阵列（[[87.37658674，80.46544429，....，80.8180536]）

我使用的是高斯函数的混合物，以适合样品集。

g =混合物。gaussianMixture（n_components = 1）G.Fit（np.Array（np.split（v，v.shape [0]）））

供您参考，" np.array（np.split（v，v.shape [0]））的形状是：（437，1）

意味着我有437个示例和一个维度。

拟合平均值后，获得正确的值，但差异大于样本差异（它得到139.61，而真方差应约为11.8）。

。

有人知道我在做什么错吗？

Answer 1

我怀疑您将11.8用作标准偏差或Sigma。因此，相应的方差为Sigma*Sigma或11.8*11.8，大约是您所获得的139.61

请参阅下面的代码。

import os
import numpy as np
import math
from sklearn import mixture

def main():
    np.random.seed(42)
    sigma=11.8
    mu=70.2
    obs1 = np.random.randn(437, 1) * sigma  + mu
    g = mixture.GMM(n_components=1)
    g_gmm = g.fit(obs1)
    print "%r" % g_gmm
    print "%r" % g.weights_
    print "%r" % g.means_
    print "%r" % g.covars_
    pass