GMM高斯混合模型EM算法代码实现 与 sklearn的比较

因为要用到GMM的EM算法，所以自己写了一个（本人很菜，这一点代码写了两天）。写完发现sklearn的包里有（心情复杂）。。那不如检测一下自己写的对不对吧。嘿嘿。做了下实现，用同一组参数初始化，看下来是没问题的。

关于GMM 的理论，有两篇博客写的很好，放下链接：
高斯混合模型（GMM）及其EM算法的理解
详解EM算法与混合高斯模型(Gaussian mixture model, GMM)

import numpy as np
from numpy import linalg
import math
from sklearn.mixture import GaussianMixture


class GMM(object):
    def __init__(self, X, K):
        self.N, self.D = X.shape
        self.K = K
        self.Mu, self.Sigma, self.Pi, self.Gamma = self.init_params()
    
    def init_params(self):
        Mu = np.random.rand(self.K, self.D)  # K*D
        Sigma = np.array([np.eye(self.D)