高斯混合模型的C++实现

高斯混合模型的C++实现

原理

GMM将数据的分布通过多个高斯模型进行拟合。GMM是一种聚类算法，每个component就是一个聚类中心。高斯混合模型可以得到每个数据属于每个模型的概率，是一种软聚类算法。这是来自《统计学习方法》中的定义：

过程

高斯混合模型使用EM算法估计模型参数。
1. 初始化模型的个数和每个高斯模型的参数，设定迭代结束条件（迭代次数，误差阈值）
2. 迭代：对于每一个数据，计算在每一个高斯模型中的概率
3. 根据计算得到的概率更新每个模型的参数（均值，方差）
4. 当超过迭代次数或者更新小于阈值时结束迭代。

代码实现

代码参考自网上大神，具体出处忘记了，加以修改和添加注释，如有侵权请联系~

头文件

#ifndef _GMM_H
#define _GMM_H
#include <vector>
#include <cmath>
using namespace std;
class GMM
{
public:
    void Init(const vector<double> &inputData, const int clustNum = 5, double eps = 0.01, double max_steps = 20);
    void train();
    int predicate(double x);//预测输入的数据属于哪一类
    void print();
protected:
    int clusterNum;             // 限制
    vector<double> means;
    vector<double> means_bkp;       // 上一次的迭代数据
    vector<double> sigmas;
    vector<