将高斯混合模型拟合到一个非常简单的分布答案

【问题标题】：Fitting a Gaussian Mixture Model to a very simple distribution将高斯混合模型拟合到一个非常简单的分布
【发布时间】：2020-08-12 00:35:54
【问题描述】：

我有一个简单的离散分布，我保存在数据框中：

dist_df = pd.DataFrame({'x': [ 1.0, 2.0, 3.0, 4.0, 5.0],
                        'y': [ 780, 1708, 10028, 15696, 10779]})

我只想将 sklearn 的高斯混合模型拟合到这个，并获得我需要多少个高斯，它们的参数以及每个元素属于每个高斯的概率。但首先，我只想拟合和预测我的分布。我查看了sklearn文档，但我找到的唯一示例是半页代码，我真的不明白。这应该很简单，但我试图通过将其应用于此来了解它是如何工作的。

【问题讨论】：

@yatu 我不明白吗？我只想将 sklearn.gmm 模型拟合到一个很小的数据框。
您的数组长度不同（x 具有 6 值，y 具有 5）。
您需要预先指定要使用的组件数量

标签： python pandas scikit-learn gaussian

【解决方案1】：

方法如下。请注意，组件的数量不能超过观察的数量，在本例中为 6。你可以阅读更多here：

from sklearn.mixture import GaussianMixture as GMM

number_of_components = 2 # specify the number of components here
gmm = GMM(n_components=number_of_components).fit(dist_df)

【讨论】：