使用单变量GMM在python中学习mixture.GMM

Question

在R中，mclust有一个参数'modelNames‘，您可以在其中定义要实现模型。我希望做一个单变量建模，它也是在python中mixture.GMM下mclust中的modelNames <- 'V'。然而，我发现唯一可以调整的就是covariance_type。尽管如此，当我在sklearn下使用R和mixture.GMM运行相同的数据时，我得到了不同的拟合，尽管拟合的组件数量相同。我可以在mixture.GMM中更改什么来表明我使用的是单变量方差？

mclust代码：

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

GMM代码：

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

Answer 1

对于单变量数据，协方差可以是相等的或唯一的(变量)。对于Mclust，这些选项分别是modelNames = "E"或"V"。

在sklearn中，它们看起来像是covariance_type = "tied"或"full"。对于可变高斯混合模型，可能是这样的。

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

即使单独使用Mclust或sklearn，也可能会出现这样的情况，即不同的运行可能不会获得相同的参数值-这是因为估计值可能取决于初始值。避免这种情况的一种方法是使用更多的启动次数，如果有这样的选项的话。

Answer 2

在stats.stackexchange上找到了答案。您唯一需要做的就是在将数据data.reshape(-1, 1)传递到sklearn.mixture.GaussianMixture之前对其进行整形

安德烈亚斯