python - 使用 scikit-learn.mixture.GMM 寻找条件高斯混合模型

Question

我正在使用 scikit-learn将多元高斯混合模型拟合到某些数据(效果很好)。但是我需要能够根据一些变量获得一个新的 GMM，而 scikit 工具包似乎无法做到这一点，这让我感到惊讶，因为它看起来很基本想做的事。

维基百科 has a good explanation我正在尝试做的事情(对于单个高斯，而不是 GMM)，我有可能自己实现它，但我的矩阵数学不是很好，我可以看到它需要很长时间。

有人做过吗？有没有使用 NumPy/SciPy/Scikit-learn 的简单方法？

Answer 1

尝试查看 pypr .从文档中，您可以通过以下方式找到以一个或多个变量为条件的 GMM:

# Now we will find the conditional distribution of x given y
(con_cen, con_cov, new_p_k) = gmm.cond_dist(np.array([np.nan, y]), \
    cen_lst, cov_lst, p_k)

据我所知，软件包中有示例。