如何计算 BIC，得分...不适合？

Question

我知道借助 scikit 工具，我们可以轻松计算高斯混合模型的 BIC 或分数，如下所示。

clf.fit(data)
bic=clf.bic(data)
score=clf.score(data)

http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html

但我的问题是，当我已经有了权重、均值、协方差和数据时，如何在不使用 fit 方法的情况下计算 bic 或 score？

我可以设置为

clf = mixture.GaussianMixture(n_components=3, covariance_type='full')
clf.weights_=weights_list
clf.means_=means_list
clf.covariances_=covariances_list

或

clf.weights_init=weights_list
clf.means_init=means_list
clf.precisions_init =np.linalg.inv(covariances_list)

但是当我尝试使用 bic 时，

bic=clf.bic(data)

我收到错误消息说

sklearn.exceptions.NotFittedError：此 GaussianMixture 实例尚未拟合。在使用此方法之前，使用适当的参数调用“fit”。

我不想运行 fit，因为它会改变给定的权重、均值和协方差。 我能做些什么？ 谢谢

Answer 1

您需要设置这三个变量以通过 check_is_fitted 测试：'weights_', 'means_', 'precisions_cholesky_'。 'weights_' 和 'means_'，您的设置正确。为了计算'precisions_cholesky_'，您需要拥有您所拥有的covariances_。

所以，只需使用this method here 计算即可

from sklearn.mixture.gaussian_mixture import _compute_precision_cholesky
precisions_cholesky = _compute_precision_cholesky(covariances_list, 'full')

将“完整”更改为适当的协方差类型，然后使用 clf 将结果设置为

clf.precisions_cholesky_ = precisions_cholesky

确保所有这些变量的形状与您的数据正确对应。