python中的sklearn mix.GMM使用單變量GMM

Question

在 R 中，mclust 有一個參數“modelNames”，您可以在其中定義要實現的模型。 我希望做一個單變量建模，它也是 python 中 mix.GMM 下 mclust 中的modelNames <- 'V' 。 但是，我發現唯一可以調整的是 covariance_type。 然而，當我運行使用R和相同的數據mixture.GMM下sklearn ，我雖然獲得相同數量的裝配組件的不同配件。 我可以在mixture.GMM改變什么來表明我使用的是單變量變量方差？

集群代碼：

function(x){Mclust(ma78[x,],G=2,modelNames="V",verbose=FALSE)}

GMM 代碼：

gmm = GMM(n_components = 2).fit(data)

Answer 1

對於單變量數據，協方差可以是相等的，也可以是唯一的（變量）。 對於Mclust這些選項分別是modelNames = "E"或"V" 。

使用sklearn ，它們似乎是covariance_type = "tied"或"full" 。 對於可變高斯混合模型，可能是這樣的

gmm = mixture.GaussianMixture(n_components = 2, covariance_type='full').fit(data)

即使單獨使用Mclust或sklearn ，也可能會出現不同運行時您可能無法獲得相同參數值的情況——這是因為估計值可能取決於初始值。 避免這種情況的一種方法是，如果此類選項可用，則使用更多的啟動次數。

Answer 2

在stats.stackexchange上找到了答案。 您唯一需要做的就是在將數據傳遞給sklearn.mixture.GaussianMixture之前重塑數據data.reshape(-1, 1)

安德烈亞斯