将多元高斯分布拟合到给定的数据集

Question

我需要拟合多元高斯分布，即为python中的给定音频特征数据集获取最近的多元高斯的均值向量和协方差矩阵。 音频特征（MFCC 系数）是一个 NX 13 矩阵，其中 N 大约为 4K。 有人可以概述一下在python中为这个数据拟合高斯的包和技术吗？

Answer 1

使用 numpy 包。 numpy.mean和numpy.cov会给你高斯参数估计。 假设您有 13 个属性， N是观察数，则在为N x 13矩阵调用numpy.cov时需要设置rowvar=0 （或将矩阵的转置作为函数参数传递）。

如果您的数据在 numpy 数组data ：

mean = np.mean(data, axis=0)
cov = np.cov(data, rowvar=0)