使用python在我的數據上擬合高斯（或其他發行版）

Question

我有一個功能數據庫，一個2D np.array（2000個樣本，每個樣本包含100個特征，2000 X 100）。 我想使用python將高斯分布擬合到我的數據庫中。 我的代碼如下：

data = load_my_data() # loads a np.array with size 2000x200
clf = mixture.GaussianMixture(n_components= 50, covariance_type='full')
clf.fit(data)

我不確定參數，例如covariance_type，我如何調查是否成功發生了擬合。

編輯：我調試代碼來調查clf.means_正在發生的事情，並且顯然它產生了一個矩陣n_components X size_of_features 50 X 20）。 有沒有辦法可以檢查擬合是否成功，還是繪制數據？ 有什么高斯混合的替代品（指數混合物，例如，我找不到任何可用的實現）？

Answer 1

我認為你正在使用sklearn包。

一旦你適合，然后鍵入

print clf.means_

如果它有輸出，則數據被擬合，如果它引起錯誤，則不適合。

希望這對你有所幫助。

Answer 2

您可以使用PCA到3D空間進行降維（比方說），然后繪制平均值和數據。

Answer 3

在嘗試識別分布之前，總是首選選擇一組簡化的候選者（換句話說，使用Cullen＆Frey拒絕不太可能的候選人）然后選擇最佳結果，選擇最佳結果，

您可以在scipy中創建所有可用分布的列表。 兩個分布和隨機數據的示例：

import numpy as np
import scipy.stats as st

data = np.random.random(10000)
#Specify all distributions here
distributions = [st.laplace, st.norm]
mles = []

for distribution in distributions:
    pars = distribution.fit(data)
    mle = distribution.nnlf(pars, data)
    mles.append(mle)

results = [(distribution.name, mle) for distribution, mle in 
zip(distributions, mles)]
best_fit = sorted(zip(distributions, mles), key=lambda d: d[1])[0]
print 'Best fit reached using {}, MLE value: {}'.format(best_fit[0].name, best_fit[1])

Answer 4

據我所知，您可能希望對兩種不同的分布進行回歸，而不是將它們擬合為算術曲線。 如果是這種情況，您可能有興趣將一個繪制成另一個，並進行線性（或多項式）回歸，檢查系數如果是這種情況，兩個分布的線性回歸可能會告訴您是否存在線性相關或不。 使用Scipy文檔進行線性回歸