使用分数度量评估高斯混合模型？

Question

我有 1D 数据（在列数据上）。我使用高斯混合模型 (GMM) 作为密度估计，在 Python 中使用此实现：https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html。通过依靠 AIC/BIC 标准，我能够确定组件的数量。在我拟合 GMM 之后，我绘制了原始观测值的核密度估计 + 从 GMM 中提取的采样数据的核密度估计。原始和采样密度的情节非常相似（很好）。但是，我想要一些指标来报告拟合模型的好坏。

g = GaussianMixture(n_components = 35)

data= df['x'].values.reshape(-1,1) # data taken from data frame (10,000 data pints)
clf= g.fit(data)# fit model

samples= clf.sample(10000)[0] # generate sample data points (same # as original data points)

我在实现中找到了分数，但不确定如何实现。我做错了吗？或者除了直方图或核密度图之外，还有什么更好的方法可以显示拟合模型的准确性？

print(clf.score(data))
print(clf.score(samples))

Answer 1

我最好使用交叉验证，并尝试查看训练模型的准确性。

使用拟合模型的predict方法预测未见数据的标签（使用交叉验证并报告准确性）：https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html#sklearn.mixture.GaussianMixture.predict

玩具示例：

g = GaussianMixture(n_components = 35)
g.fit(train_data)# fit model
y_pred = g.predict(test_data)

编辑：

有多种方法可以衡量您的无监督案例的表现。对于基于真实概率的 GMM，最常见的是 BIC 和 AIC。它们立即包含在 scikit GMM 类中。

Answer 2

您可以使用normalized_mutual_info_score、adjusted_rand_score 或silhouette 分数来评估您的集群。所有这些指标都在sklearn.metrics 部分下实现。

编辑：您可以查看link 了解更多详细说明。

总结一下：

• Adjusted Rand Index：衡量两个分配的相似度。

• 标准化互信息：衡量两个分配的一致性。

• 剪影系数：衡量每个点的分配情况。

gmm.fit(x_vec)

pred = gmm.predict(x_vec)

print ("gmm: silhouttte: ", silhouette_score(x_vec, pred))