python - 有没有办法将 3D 高斯分布或高斯混合分布拟合到向量？

Question

我有一个数据点矢量，它似乎代表 3D 高斯分布或高斯混合分布。有没有一种方法可以将 3D 高斯分布或高斯混合分布拟合到该矩阵，如果是，是否存在用于执行此操作的库(例如在 Python 中)？

这个问题似乎与以下问题有关，但我想为其拟合 3D 高斯: Fit multivariate gaussian distribution to a given dataset

目标最终结果如下所示(单一分布或混合分布):

例如，非常简化，我的数据向量(应该从中学习高斯(混合)分布)看起来像这样:

[[0,0,0,0,0,0], [0,1,1,1,1,0], [0,1,2,2,1,0], [1,2,3,3,2,1], [0,1,2,2,1,0], [0,0,0,0,0,0]]

Answer 1

如果你知道高斯数，我可以给出答案。您的向量给出了 X、Y 点网格处的 Z 值。你可以制作 X 和 Y 向量:

import numpy as np
num_x, num_y = np.shape(z)
xx = np.outer(np.ones(num_x), np.arange(num_y))
yy = np.outer(np.arange(num_x), np.ones(num_y))

然后按照任何常规装配程序进行操作，例如 2D Gaussian Fit for intensities at certain coordinates in Python .