sklearn을 사용하여 Gaussian Mixture를 정말 열심히 노력하고 있지만 확실히 작동하지 않기 때문에 뭔가 빠졌다고 생각합니다. 내 원래 datas는 다음과 같다 : Genotype LogRatio Strength
AB 0.392805 10.625016
AA 1.922468 10.765716
AB 0.22074 10.405445
B
sklearn.mixture.BayesianGaussianMixture를 사용하여 궤도 집합에 맞춰 봅니다. 각 궤적은 데이터 포인트의 세트로 구성된다. t_i i 번째 탄도 (x_ik, y_ik)이다 t_i = {x_i1, y_i1, x_i2, y_i2, ... , x_iN, y_iN},
궤적의 k 번째 지점이다. 예를 들어, x_ik은 시간 단계 k
가우스 혼합을 사용하는 분포를 근사하고 전체 (1 차원) 데이터 세트의 추정 된 커널 밀도를 구성 요소의 합계로 자동적으로 플롯 할 수있는 쉬운 방법이 있는지 궁금합니다. 이 사용 ggplot2 같은 좋은 방식으로 밀도 : #example data
a<-rnorm(1000,0,1) #component 1
b<-rnorm(1000,5,2) #compone
R에서 MXNet을 평가 중이며 혼합 밀도 네트워크를 모델링하고 싶습니다. Tensorflow, Keras 및 Edward의 예는 다음에서 찾을 수 있습니다. http://cbonnett.github.io/MDN_EDWARD_KERAS_TF.html 표시된 예는 표준 분포의 혼합입니다. MXNet으로 어떻게 동일한 분석을 할 수 있습니까?
저는 스탠 (Stan)을 배우고 있으며 간단한 혼합 모델을 구현하고 싶습니다. 참조 설명서에 (스탠 참조-2.14.0) 용액에 이미 존재 : data {
int<lower=1> K; // number of mixture components
int<lower=1> N; // number of data points
real y[N];
나는 27211 개의 샘플과 90 개의 속성을 가진 데이터 세트를 가지고있다. 이 데이터 세트에는 클래스 레이블이 없습니다. 데이터 세트에 가우스 혼합을 맞추고 싶지만 성능 측정 방법을 모릅니다. 나 좀 도와 줄 수있어? import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
im