python - 高斯混合动力系统先验先验

我有一个混合模型：

gm = mixture.GaussianMixture(
                n_components=3,
                covariance_type="tied",
                weights_init=[w1,w2,w3],
                means_init=[m1,m2,m3],
                random_state=0).fit(datas)

但是，聚类的结果并不完美，因此我从3个优先级的初始数据中计算得出，以改善聚类。我想将这些先验条件用作高斯混合模型EM算法的初始起点。

最初的手段：它们是起点吗？我可以用新的先验替代它们吗？还是其他？

我看见 ：

sklearn.mixture.BayesianGaussianMixture

但是，这似乎真的不一样，就像我无法初始化我的Weigth，只是先验Weigth，而且我不知道这是否是同一件事（我不是统计学专家.​​..），并且选择太多了我不明白...

在高斯混合中，如何使用新的先验作为EM算法的起点？

谢谢你的帮助。

最佳答案

统计学家帮助我回答了我的问题，这是EM算法的起点是initial_means。
我只需要在initial_means函数中的GaussianMixture中给出新的优先级，而无需使用BayesianGaussianMixture。

关于python - 高斯混合动力系统先验先验，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40893767/