使用 scikit-learn.mixture.GMM 寻找条件高斯混合模型答案

【问题标题】：Finding conditional Gaussian Mixture Model using scikit-learn.mixture.GMM使用 scikit-learn.mixture.GMM 寻找条件高斯混合模型
【发布时间】：2023-04-10 22:01:01
【问题描述】：

我正在使用scikit-learn 将多元高斯混合模型拟合到一些数据（效果很好）。但是我需要能够以 some 变量为条件获得一个新的 GMM，而 scikit 工具包似乎无法做到这一点，这让我感到惊讶，因为它看起来很基本想做的事。

Wikipedia has a good explanation 我正在尝试做的事情（对于单个高斯，而不是 GMM），我有可能自己实现它，但是我的矩阵数学不是很好，我可以看到它需要很长时间。

有人已经这样做了吗？有没有使用 NumPy/SciPy/Scikit-learn 的简单方法？

【问题讨论】：

沿相关轴切分你的数据张量。
@SlaterTyranus 我认为您建议我将 GMM 拟合到我的数据集的切片版本。我想从我已经适合完整数据集的 GMM 中获取条件 GMM。
@TomG 嗨，汤姆，您找到问题的解决方案了吗？接受的答案对我不起作用。

标签： python scikit-learn gaussian normal-distribution

【解决方案1】：

尝试查看pypr。从文档中，您可以找到以一个或多个变量为条件的 GMM：

# Now we will find the conditional distribution of x given y
(con_cen, con_cov, new_p_k) = gmm.cond_dist(np.array([np.nan, y]), \
    cen_lst, cov_lst, p_k)

据我记得，有一些示例随包一起提供。

【讨论】：

我对使用被描述为“处于早期阶段”并且已经 4 年没有更新的代码感到紧张，但我试了一下。遗憾的是 em_gm.py 示例（带有条件 GMM）不起作用——作者似乎在 gmm.em_gm 的定义中使用了关键字“iter”作为变量名，导致它崩溃。
在文档中给出的示例中，设置“max_iter = 400”而不是“iter = 400”和“iter_call = None”。如果你想跟踪你的 EM 算法的进度，你可以修改 plot 函数。
谢谢！这和其他一些问题（例如，一些记录在案的功能仅在 SVN 中，而不是在最新下载中），我已经让它工作了！
如果您觉得有帮助，请采纳答案。 :)
对不起，我在这里是个菜鸟 - 我不得不查找如何接受答案。