全文链接 :https://tecdat.cn/?p=33821
原文出处:拓端数据部落公众号
混合模型是另一种生成模型,它将数据点的分布建模为多个单独分布的组合("混合")。客户常见的混合模型类型是高斯混合模型,其中数据生成分布被建模为多个高斯分布的组合。
import numpy as np
import matplotlib.pyplot as plt
下面是通过三个二维高斯分布的一些数据:
python......
# 绘制数据
plt.plot(X[:, 0], X[:, 1], '.', alpha=0.2)
让我们使用贝叶斯高斯混合模型对这些数据进行建模。
数据点生成于混合成分的概率由分类分布进行建模,根据权重来决定:
然后,数据点观测值的似然性由混合成分的分布决定:
构建这个模型。 与相关模型一样,这是一个生成模型,而只是拟合数据生成分布 - 因此__call__
方法没有输入参数。
class GaussianMixtureModel(pf.Model):
......
return pf.Mixture(dists, probs=self.theta())
构建上述模型的复杂性与使用“原始”TensorFlow和TensorFlow Probability构建模型的复杂性进行比较。
然后,我们可以实例化该模型并将其拟合到数据中!
......model.fit(X, lr=0.03, epochs=500, batch_size=1024)
要查看混合密度在可能的值范围上的拟合情况,我们可以计算并绘制模型在网格上的概率:
# 在网格上计算每个点的对数似然
Np = 100 # 网格点数量
......
# 显示拟合的混合密度
plt.imshow(probs,
...... origin='lower')
混合密度线与用于拟合模型的数据点非常吻合!
# 绘制密度和原始数据点
......plt.contour(xx, xx, probs)
最受欢迎的见解
2.R语言基于温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图
3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
5.Python Monte Carlo K-Means聚类实战
7.R语言KMEANS均值聚类和层次聚类:亚洲国家地区生活幸福质量异同可视化
8.PYTHON用户流失数据挖掘:建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯模型和KMEANS聚类用户画像
标签:GMM,模型,建模,混合,聚类,数据,......,聚类分析 From: https://www.cnblogs.com/tecdat/p/17750384.html