sklearn.GaussianMixture
covariance_type : {‘full’, ‘tied’, ‘diag’, ‘spherical’},
‘full’ (each component has its own general covariance matrix),
‘tied’ (all components share the same general covariance matrix),
‘diag’ (each component has its own diagonal covariance matrix),
‘spherical’ (each component has its own single variance).
假设混合模型一共有K个组成成分：
- spherical: 各个组份的协方差矩阵均为单位对角阵α k I ,每个组份的协方差矩阵仅仅使用一个参数表示即可,即每个组份的对角线上元素相等。椭圆各轴相等，横向或纵向。
- 调用model.convariances_的时候，只返回k个协方差矩阵。
- diag:各个组份的协方差矩阵均为对角阵，若数据有D个维度，则每个组份的对角线上有D个不同的值。椭圆各个轴不等，横向或纵向。
- 调用model.convariances_的时候，返回k个协方差矩阵。
- tied: 所有组份的协方差矩阵相同。
- 调用model.convariances_的时候，只返回1个协方差矩阵。椭圆中心不同，但是形状方向一致。椭圆各轴不等，斜向。
- full：每个组份有自己的非对角协方差矩阵。
- 调用model.convariances_的时候，返回k个协方差矩阵。椭圆各轴不等，斜向。
