在python中，如何划分多元高斯分布以分离高斯？

Question

我想计算我的数据的置信区间。我绘制了他们的直方图。我发现它可能服从多元正态分布。

1. 如何划分多元高斯分布以分离 高斯人？？我认为可以创建集群，其中每个 簇呈现一个高斯。但我不知道该怎么做。

2. 我想提取每个高斯的参数？西格玛，平均值

3. 我不知道如何计算它们的整个置信区间：一般来说，我知道在计算一个高斯分布的置信区间时，我使用：

   西格玛=1 平均值=0 ci = scipy.stats.norm.interval(0.95, loc=mean, scale=sigma) 打印（ci） 但是 sigma, mean 对于每个高斯都是唯一的。

4. 多元正态分布的对数似然的作用是什么？为什么要做这样的测试？

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.misc import factorial
   import seaborn as sns
   from scipy.stats import multivariate_normal
   
   sns.set_style('darkgrid')
   data= [65.4243243046107, 65.45963969900394, 65.28583696534378, 65.64727793480667,......]     
   

   sns.distplot（数据，kde=True） plt.show()

Answer 1

您似乎对什么是多元高斯感到困惑。尝试阅读：

https://www.wikiwand.com/en/Multivariate_normal_distribution

您的数据不是多变量的。它是单变量的。

您在这里拥有的可能是多个发行版组合在一起，每个发行版都有自己的 sigma 和 mu。

尝试从这里开始：

https://www.wikiwand.com/en/Mixture_distribution