python & scikit：如何从高斯混合模型拟合中获取拟合模型的参数？

Question

拟合完gaussian mixture model(X-Y数据集)后，如何获取每个分布的参数？例如mean, std, and weights and angle 每个分布？

我想我可以找到代码 here:

def make_ellipses(gmm, ax):
    for n, color in enumerate('rgb'):
        v, w = np.linalg.eigh(gmm._get_covars()[n][:2, :2])
        u = w[0] / np.linalg.norm(w[0])
        angle = np.arctan2(u[1], u[0])
        angle = 180 * angle / np.pi  # convert to degrees
        v *= 9
        ell = mpl.patches.Ellipse(gmm.means_[n, :2], v[0], v[1],
                                  180 + angle, color=color)
        ell.set_clip_box(ax.bbox)
        ell.set_alpha(0.5)
        ax.add_artist(ell)

毕竟，要绘制椭圆，您需要知道 mean,std,angle,weight。但是代码真的很复杂，不知道有没有更简单的方法？

更新：我在 http://scikit-learn.org/stable/modules/generated/sklearn.mixture.GMM.html#sklearn.mixture.GMM.fit 中找到了属性，现在我正在处理它。

Answer 1

正如您在 scikit's doc for GMM 中所读到的，一旦您训练了模型（称之为 clf），您可以使用 clf.means_、clf.covars_ 和clf.weights_.

我要补充一点，您可以使用 clf.converged_

的值检查您的模型是否已 trained/has 收敛

python & scikit：如何从高斯混合模型拟合中获取拟合模型的参数？

python & scikit: How to get the parameter of fitted models from Gaussian mixture models fitting?

python

scikit-learn