GMM拟合最佳模型

Question

在高斯混合模型(GMM)拟合中有一个我不理解的部分。我很乐意听到你的建议：

 g  = GMM(3, n_iter=1000, verbose=True, random_state=3)
 g.fit(WORK)

 np.random.seed(1)
 X = g.sample(1000)

 # fit models with 1-10 components
 N = np.arange(1, 11)
 models = [None for i in range(len(N))]

 for i in range(len(N)):
    models[i] = GMM(N[i]).fit(X)

Answer 1

它在假设混合物中分别有i=1,2和...,10分量的情况下生成拟合列表models，目的可能是选择其中最好的模型。

Answer 2

谁能指出为什么我们要用工作中的3个组件创建一个GMM，然后从GMM中提取样本以获得更好的模型

我会把这个简化为，

np.random.seed(1) #will ensure reproducibiity
# fit models with 1-10 components
N = np.arange(1, 11)
models = [None for i in range(len(N))]

#find the model with  minimum aic score
min_aic = np.inf
model_index_with_min_aic = -1
for i in range(len(N)):
    models[i] = GMM(N[i], n_iter=1000).fit(WORK)
    aic = models[i[.aic(WORK)
    if aic < min_aic:
        model_index_with_min_aic = i
        min_aic = aic

Answer 3

GMM基本上是为每个训练样本创建一个“模型”，所以如果你有10个训练样本，你可能也会得到每个训练样本的10个模型。

如果你想测试这个模型，你还需要调用GMM创建的每个模型，这样就像1:1xN次