修复高斯混合模型的参数，而不是学习答案

【问题标题】：Fix parameters of Gaussian mixture model, instead of learning修复高斯混合模型的参数，而不是学习
【发布时间】：2020-11-24 09:38:07
【问题描述】：

假设我有一个数据集 data 用于拟合高斯混合模型：

from sklearn.mixture import GaussianMixture
model = GaussianMixture(n_components=4, covariance_type="full")
fit_model = model.fit(data)

我现在存储学习到的协方差fit_model.covariances_，意味着fit_model.means_ 和权重fit_model.weights_。从不同的脚本中，我想读入学习的参数并使用它们定义一个高斯混合模型。如何在不再次执行fit方法的情况下修复参数？

【问题讨论】：

如何存储协方差、均值和权重？
泡菜适合你吗？
numpy.save('./covariances.npy', fit_model.covariances_)
由于 np.save 保存为二进制，你不妨使用 joblib 或 pickle 将整个拟合模型保存为二进制。

标签： python scikit-learn

【解决方案1】：

如果要再次执行模型，最简单的方法是将其保存为可序列化的pickle，这是一个示例：

from sklearn.mixture import GaussianMixture
import numpy as np
import pickle


X = np.random.rand(10, 2)

# Fit the model on data
model = GaussianMixture(n_components=4, covariance_type="full")
model.fit(X)

# Serialize and save the model
with open('model.pkl', 'wb') as file:
    pickle.dump(model, file)
    
# Load the model again for later use
with open('model.pkl', 'rb') as file:
    model = pickle.load(file)

【讨论】：