Python多高斯擬合-ValueError：具有2個成分的GMM估計，但只有1個樣本

Question

我有兩個要擬合的高斯分布。 由於兩個發行版可以不同地混合使用，因此我希望擬合度盡可能通用。 我在這里找到以下代碼：

高斯擬合到python中的直方圖數據：Trust Region v / s Levenberg Marquardt-第一個答案。

但是，它不適用於我的數據或下面代碼中生成的原始數據，並吐出錯誤：

ValueError: GMM estimation with 2 components, but got only 1 samples

我希望它簡單一些。 我的數據只是一個2D數組，可繪制直方圖，時間與幅度的關系。

import numpy as np
from sklearn import mixture
import matplotlib.pyplot as plt

comp0 = np.random.randn(1000) - 5 # samples of the 1st component
comp1 = np.random.randn(1000) + 5 # samples of the 2nd component

x = np.hstack((comp0, comp1)) # merge them

gmm = mixture.GMM(n_components=2) # gmm for two components
gmm.fit(x) # train it!

linspace = np.linspace(-10, 10, 1000)

fig, ax1 = plt.subplots()
ax2 = ax1.twinx()

ax1.hist(x, 100) # draw samples
ax2.plot(linspace, np.exp(gmm.score_samples(linspace)[0]), 'r') 
plt.show()

Answer 1

采用：

x = np.vstack((comp0, comp1))

代替hstack

因為每一行應表示一個樣本，而每一列應表示一個樣本特征。