如何在一幅图上拟合多个高斯人？

Question

我感兴趣的是在python中拟合多条高斯曲线到下面的图中。我需要能够确定每一个高斯的平均值，才能估计一个光电子对应于一个信号读取设备的对应的数据。我需要知道如何对一个未定数量的峰值这样做，因为每个数据集可能包含较少/更多的光电子峰。任何帮助都将不胜感激！

​

​

研究高斯混合，但无法找到如何提取适合整体曲线的单个高斯人。

Answer 1

我想您使用的是来自高斯混合模型的sklearn。

在这种情况下，从文档

import numpy as np
from sklearn.mixture import GaussianMixture
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
gm = GaussianMixture(n_components=2, random_state=0).fit(X)

属性gm.means_是每个混合成分的表示方法。

gm.covariances_是每个混合物组分的协方差(或一维方差)。

有了这些(使用for)，您就可以很容易地使用例如，对于第一个组件使用下面这样的方法来绘制每个组件：

from scipy.stats import norm
from matplotlib import pyplot as plt 
import numpy as np

x = np.linspace(...) # your x space sampled
p = norm.pdf(x, gm.means_[0], gm.covariances_[0])
plt.plot(x, p)

你甚至可以根据你的意愿，把它们加起来，把它们的pdf组合起来。