GMM 函数的 GaussianMixture 等效项（sklearn python）答案

【问题标题】：GaussianMixture equivalents for GMM functions (sklearn python)GMM 函数的 GaussianMixture 等效项（sklearn python）
【发布时间】：2018-06-07 13:44:12
【问题描述】：

我正在处理从合作者那里收到的代码，它包含来自 sklearn 中已弃用的 GMM 类的两个函数： Distribute_covar_matrix_to_match_covariance_type log_multivariate_normal_density

由于我对它背后的数学不太熟悉，我很难在新的 GaussianMixture 类中找到等效的函数。任何帮助将不胜感激！

调用函数的部分代码如下：

for x in models:
  bics=[]
  gmm = mixture.GMM(n_components=x, n_iter=100000, n_init=5, covariance_type='full')
  gmm.fit(np.array(s))
  bic.append(gmm.bic(np.array(s)))
return bic.index(min(bic))+2

【问题讨论】：

请提及两个 scikit 版本，以及您在做什么的示例代码？
我想我已经安装了 19.1（上面更新了代码）
较新的版本还有一个bic() method，我认为它可以工作而不必过多担心库的内部运作。
噢，非常感谢！那么我应该只更改 GaussianMixture 的混合和 GMM 吗？（我猜 n_iter 到 max_iter？）对于模型中的 x： bics=[] gmm = GaussianMixture(n_components=x, max_iter=100000, n_init=5, covariance_type='full') gmm.fit(np.array(s) ) bic.append(gmm.bic(np.array(s))) return bic.index(min(bic))+2
等等，我明白了：D 非常感谢！对于模型中的 x： bics=[] gmm = mix.GaussianMixture(n_components=x, max_iter=100000, n_init=5, covariance_type='full') gmm.fit(np.array(s)) bic.append(gmm. bic(np.array(s))) return bic.index(min(bic))+2

标签： python scikit-learn deprecated gmm

【解决方案1】：

解决方法：只需将“GMM”替换为“GaussianMixture”，将“n_iter”替换为“max_itern”即可：

for x in models:
  bics=[]
  gmm = mixture.GaussianMixture(n_components=x, max_iter=100000, n_init=5, covariance_type='full')
  gmm.fit(np.array(s))
  bic.append(gmm.bic(np.array(s)))
return bic.index(min(bic))+2

谢谢@Vivek Kumar

【讨论】：