我对“Dirichlet过程作为簇数的先验分布的无限混合模型”的理解是，当它们收敛到一定量的簇时，簇的数目由数据决定。
这个R Implementationhttps://github.com/jacobian1980/ecostates以这种方式决定集群的数量。虽然，R implementation使用吉布斯取样器，但我不确定这是否影响了这一点。
使我困惑的是n_components参数。如果由数据和Dirichlet过程确定组件的数量，那么这个参数是什么？
最后，我试图得到：
（1）每个样本的群集分配；
（二）各群的概率向量；
（3）每个样本的似然/对数似然。
看起来（1）是n_components: int, default 1 :Number of mixture components.方法，（3）是predict方法。然而，（1）的输出完全依赖于score超参数。
我很抱歉，如果这是一个幼稚的问题，我对Bayesian编程很陌生，注意到n_components中的Dirichlet Process我想尝试一下。
以下是文档：
http://scikit-learn.org/stable/modules/generated/sklearn.mixture.DPGMM.html#sklearn.mixture.DPGMM
下面是一个用法示例：
http://scikit-learn.org/stable/auto_examples/mixture/plot_gmm.html
以下是我天真的用法：
from sklearn.mixture import DPGMM
X = pd.read_table("Data/processed/data.tsv", sep="\t", index_col=0)
Mod_dpgmm = DPGMM(n_components=3)
Mod_dpgmm.fit(X)
最佳答案
正如评论中提到的@ Max yMOO，n_components是截断参数。
在SKEXCEL的DP－GMM中与拐杖中断表示相关的中餐馆过程中，一个新的数据点加入一个现存的聚类k概率|k| / n-1+alpha，并启动一个概率为alpha / n-1 + alpha的新聚类。这个参数可以解释为Dirichlet过程的浓度参数，它将影响最终的簇数。
与使用吉布斯采样的R实现不同，SkSee的DP－GMM实现使用变分推理。这可能与结果的差异有关。
温和的Dirichlet过程教程可以找到here。