使用 python 在我的数据上拟合高斯（或其他分布）答案

【问题标题】：Fit gaussians (or other distributions) on my data using python使用 python 在我的数据上拟合高斯（或其他分布）
【发布时间】：2017-07-05 19:44:53
【问题描述】：

我有一个特征数据库，一个 2D np.array（2000 个样本，每个样本包含 100 个特征，2000 X 100）。我想使用 python 将高斯分布拟合到我的数据库中。我的代码如下：

data = load_my_data() # loads a np.array with size 2000x200
clf = mixture.GaussianMixture(n_components= 50, covariance_type='full')
clf.fit(data)

我不确定 covariance_type 等参数以及如何调查拟合是否成功。

编辑：我调试代码以调查 clf.means_ 发生了什么，显然它产生了一个矩阵 n_components X size_of_features 50 X 20）。有没有办法可以检查拟合是否成功，或绘制数据？高斯混合的替代品是什么（例如指数混合，我找不到任何可用的实现）？

【问题讨论】：

标签： python database gaussian

【解决方案1】：

我认为你正在使用 sklearn 包。

一旦你适应了，然后输入

print clf.means_

如果有输出，则拟合数据，如果出现错误，则不拟合。

希望对你有所帮助。

【讨论】：

这不是一个答案，因为我想知道的是这是否合适。
你的意思是要判断配件的性能，我错过了理解你的问题。那么也许可以试试clf.aic(data) 和clf.bic(data)。
aic 和 bic 到底可接受的值是多少？
我得到了不同数量的组件的几个值，aic 和 bic 的结果肯定超过 100。
对不起，我不确定，我只知道越小越好。

【解决方案2】：

您可以使用 PCA 对 3D 空间（假设）进行降维，然后绘制均值和数据。

【讨论】：

【解决方案3】：

在尝试识别分布之前总是首选选择一组减少的候选者（换句话说，使用 Cullen & Frey 拒绝不太可能的候选者），然后选择最佳结果的拟合优度，

您可以在 scipy.xml 中创建所有可用发行版的列表。具有两个分布和随机数据的示例：

import numpy as np
import scipy.stats as st

data = np.random.random(10000)
#Specify all distributions here
distributions = [st.laplace, st.norm]
mles = []

for distribution in distributions:
    pars = distribution.fit(data)
    mle = distribution.nnlf(pars, data)
    mles.append(mle)

results = [(distribution.name, mle) for distribution, mle in 
zip(distributions, mles)]
best_fit = sorted(zip(distributions, mles), key=lambda d: d[1])[0]
print 'Best fit reached using {}, MLE value: {}'.format(best_fit[0].name, best_fit[1])

【讨论】：

【解决方案4】：

我了解，您可能更喜欢对两种不同的分布进行回归，而不是将它们拟合到算术曲线上。如果是这种情况，您可能有兴趣将一个与另一个进行对比，并进行线性（或多项式）回归，检查系数如果是这种情况，两个分布的线性回归可能会告诉您是否存在线性相关。 Linear Regression using Scipy documentation

【讨论】：