GaussianMixture滑雪入门前科

Question

我有一个混合模型：

gm = mixture.GaussianMixture(
                n_components=3,
                covariance_type="tied",
                weights_init=[w1,w2,w3],
                means_init=[m1,m2,m3],
                random_state=0).fit(datas)

但是，聚类的结果并不理想，因此我从我的首字母数据中计算出3个优先项来改进聚类。我想用这些先验作为高斯混合模型EM算法的初始起点。

最初的意思是:它们是起点吗？我能用我的新前科代替它们吗?或者是别的什么东西？

我看到：

sklearn.mixture.BayesianGaussianMixture 

但是，这看起来很不一样，就像我无法初始化我的怪胎，只是前科的怪胎，我不知道这是否是一回事(我不是统计学专家.)，而且有太多的选项我不明白.

我如何利用我的新前项作为EM算法在我的高斯混合算法的起点？

谢谢你的帮助。

Answer 1

一位统计学家帮助我回答了我的问题，initial_means是EM算法的起点。我只需要在initial_means的GaussianMixture函数中给出我的新优先级，而不需要使用BayesianGaussianMixture。