如何使用高斯混合模型 (GMM) 进行分类答案

【问题标题】：How to classsify with Gaussian Mixture Models (GMM)如何使用高斯混合模型 (GMM) 进行分类
【发布时间】：2015-03-30 13:28:59
【问题描述】：

我在 matlab 中使用 GMM 进行数据分类。

我有以下数据集：

trainData1; % dataset for class 1
trainData2; % dataset for class 2
testData; % test dataset

获取 GMM 模型：

GMM_class1=gmdistribution.fit(trainData1,12,'CovType','diagonal');
GMM_class2=gmdistribution.fit(trainData2,12,'CovType','diagonal');

要获得每个类的测试数据集的对数似然度：

[posteriorTest_Train1,nlogL_1]=posterior(GMM_class1,testData);
[posteriorTest_Train2,nlogL_2]=posterior(GMM_class2,testData);

为了分类，我这样做：

if nlogL_1 < nlogL_2
    % testData belongs to class 1
else
    % testData belongs to class 2
end

拜托，我想知道我做得是否正确。

问候。

【问题讨论】：

【解决方案1】：

这不是我理解的 gmm。如果您打算将项目归类为第 1 类还是第 2 类，那么我会做以下事情。

GMM_class = gmdistribution.fit(trainData,2,'CovType','diagonal');
posteriorTest = posterior(GMM_class,testData);

然后你可以执行if语句来判断测试数据是属于1类还是2类。

【讨论】：

感谢您的回答，但我不明白其中的区别。当我使用 GMM_class1 和 GMM_class2 时，我打算获取每个类的模型。不是吗？考虑到您的回答，我知道您只有一组（trainData）中的所有火车数据集（trainData1 和 trainData2），对吗？那么，我该如何以这种方式执行 if 语句？
后验应该有两个值，一个是1类的，一个是2类的。你只需要选择大的作为标签。
我想你在想这个：gmdistribution.fit 函数是 gmdistribution.fit(X,k)，其中 X 是数据集，k 是类数。但是，在我的理解中，k 是用于为一个类建模的组件（高斯）的数量。
是的，这是我的理解。我认为 gmm 更像是一种无监督的方法。