假设我有一个用来拟合高斯混合模型的数据集data： from sklearn.mixture import GaussianMixturefit_model = model.fit(data) 我现在存储学习到的协方差fit_model.covariances_，均值fit_model.means从不同的脚本中，我想读取<
浏览 32提问于2020-11-24得票数 1
回答已采纳
1回答
GMM-HMM中的参数数量
、、、、
我想了解高斯混合模型在隐马尔可夫模型中的使用。
假设我们有语音数据，并且我们正在识别5个语音声音(这是HMM的状态)。例如，'X‘是语音样本，O= (s，u，h，b，a) (为了简单起见，考虑字符而不是音素)是HMM状态。现在，我们使用3种混合物的高斯混合模型来估计每个状态的高斯密度，使用以下方程(对不起，由于信誉点<
浏览 13提问于2017-01-08得票数 0
回答已采纳
1回答
所以据我所知，为了实现一个无监督的朴素贝叶斯，我们给每个实例分配随机概率，然后通过普通的朴素贝叶斯算法来运行它。我明白，通过每一次迭代，随机估计都会变得更好，但在我的一生中，我无法准确地知道它是如何工作的。
有人想弄清楚这件事吗？
浏览 2提问于2018-03-22得票数 2
回答已采纳
2回答
我正在尝试使用将一些数据拟合到混合模型中。在Matlab中，代码如下mixtureModel = ...'options', options);我想知道如何在Python中实现等效的计算。我研究了scipy.optimize.minimize，但这似乎并不是Matlab的mle的替代品。
我有点迷茫和不知所措，有人能为我指出正确的</e
浏览 2提问于2014-10-20得票数 2
1回答
为什么高斯混合模型使用期望最大化而不是梯度下降？
还有哪些模型使用期望最大化来寻找最优参数而不是使用梯度下降？
浏览 0提问于2020-07-03得票数 3
我正试图通过跟随本教程来学习贝叶斯优化。然而，到目前为止，我还没有得到bayes定理与高斯过程形式主义之间的关系。
有什么想法吗？
浏览 0提问于2018-08-02得票数 2
回答已采纳
1回答
我有来自MATLAB图像的数据，我想把它分解成高斯混合。图像的计数和binLocations存储在256×2矩阵'X‘中，并给出了三个高斯的参数。我想把这些高斯人画成图，找到他们的交叉点。我也有点搞不懂为什么混合模型中的“mu”这样的参数有两列。难道不是每个高斯都有一个对应的平均值吗
浏览 7提问于2015-12-29得票数 2
1回答
大家好，我正在学习机器学习，我想用python和opencv写一个简单的手写识别软件。
为了简单起见，现在我将只识别相同大小的大写单词。我认为识别字母的一个好方法是使用期望最大化算法来学习高斯混合模型的参数，使用一个训练集，并将新的字母高斯混合与训练后的字母进行比较。但我不明白如何选择混合物中的</em
浏览 2提问于2011-01-05得票数 1
回答已采纳
我是机器学习的新手，正在尝试将决策树归纳放到事情的宏伟计划中。决策树(例如，使用C4.5或ID3构建的决策树)是参数化的还是非参数化的？我猜测它们可能确实是参数的，因为实际值的决策分割点可能是根据特征值的一些分布确定的，例如均值。然而，它们并不共享必须保留所有原始训练数据的非参数特征(就像使用kNN一样)。
浏览 2提问于2012-12-13得票数 9
回答已采纳
我怎样才能用C语言写高斯混合模型(高斯混合模型)呢?在Matlab语言中有一些实现，但我正在寻找一些C语言的文档和示例代码，而不是C++。
浏览 4提问于2012-05-13得票数 2
1回答
我对参数机器学习算法和非参数机器学习算法感兴趣，它们的优缺点以及它们在计算复杂性方面的主要区别。尤其是参数高斯混合模型(GMM)和非参数核密度估计(KDE)。我发现，如果使用“少量”的数据点，那么参数(如GMM/EM)是更好的选择，但是如果数据点的数量增加到一个更高的数目，那么非参数算法就更好。谁能解
浏览 0提问于2020-12-16得票数 2
我来自机器学习的背景，我也在互联网上关注了几门课程。但我从来没有听说过或从未见过这一点，即使在我的课程中也是如此。它们到底是什么？谁能给我一个简单的想法。我知道它们更多的是生成算法的概率模块。
浏览 4提问于2016-11-03得票数 0
我使用对一些数据进行多变量高斯混合模型的拟合(工作非常出色)。但我需要得到一个新的GMM，条件是一些变量，而scikit工具包似乎无法做到这一点，这让我感到惊讶，因为它似乎是一个非常基本的事情想要做。维基百科我正在尝试做的事情(对于一个高斯，而不是GMM)，这是可能的，我可能能够自己实现它，但我的矩阵数学不是很好，我可以看到它需要很长时间。
有人
浏览 3提问于2015-01-28得票数 5
回答已采纳
我试图定义一个高斯混合模型来计算概率。gmm.weights_ = weights
我希望它给我的概率是在中心坐
浏览 1提问于2019-08-15得票数 2
在Tibshirani的“统计学习要素”中，在比较最小二乘/线性模型和knn时，说明了以下两种情况：
场景1:每个类中的训练数据是由二元高斯分布产生的，它们具有不相关的分量和不同的均值。场景2:每个类中的训练数据来自10个低方差高斯分布的混合数据，单个均值本身分布为高斯。其思想是，第一种更适合最小二乘/线性模型，第二种更适合
浏览 1提问于2015-09-04得票数 5
回答已采纳
我试图用GMM方法估计一些参数(广义矩方法，而不是高斯混合模型)。如果可能的话，我希望使用这个包statsmodels。官方描述列在上。然而，我对在哪里指定时间条件感到困惑。我的模型不是线性的，也不使用IV，所以我不能使用NonlinearIVGMM之类的。我发现的“教程”/examples仅仅是。我想知道是否有任何示例来展示如何使用更通用的GMM。谢谢
浏览 2提问于2016-08-18得票数 0
1回答
将词嵌入处理为多元高斯随机变量
、、、、
我想在单词上指定一些概率聚类模型(例如混合模型或lda)，而不是使用传统的表示单词的方法作为表示向量，而是使用从word2vec、glove等中提取的相应的单词嵌入作为输入。当将来自我的word2vec的单词嵌入作为我的GMM模型的输入时，我注意到我的每个特性的单词嵌入都有正态分布，即特征1.100在我
浏览 0提问于2021-12-21得票数 1
高斯过程回归的卖点之一是它不仅提供了预测的模型，而且还提供了预测的不确定性估计。然后，通常用数据拟合的曲线显示图片，并在其周围显示显示不确定性的阴影区域(例如，链接)。这个不确定的范围从数据点变得更厚，在数据点上缩小到零。这需要高斯过程吗？与几个最近的数据点之间的简单距离可以用来衡量预测的不确定性吗？因此，任何机器学习方法都可以被
浏览 0提问于2022-07-02得票数 1
生成模型和判别模型似乎学习条件P(x，y)和联合P(x，y)概率分布。但在基本层面上，我无法说服自己，概率分布是什么意思。
浏览 3提问于2016-10-27得票数 0
回答已采纳
获取内核参数的后验分布的数据的条件，而现在，(IIb) (完全贝叶斯方法)：使用混合模型进行预测，该模型根据核参数的后验分布将所有允许核参数定义的然后给出了指数核及其长度尺度参数</e
浏览 10提问于2022-06-23得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
