(1)男生和女生作为两个群体,其成绩都符合多维高斯分布(因多科成绩故为多维高斯分布),但男生和女生的分布模型有差异(即参数不同),则两群体学性的成绩分布模型为两套模型参数)。 (2)男生和女生依比例有男女混合成绩模型。
高斯混合聚类算法
假定样本空间中的样本是由 k k k堆不同簇的样本集混合而成:(1)各簇占不同的比例;(2)每簇内,样本“长的样子”(属性)具有高斯分布(正态分布)。 即由(1)(2)确定的样本空间中样本的分布密度是由高斯混合分布来表达的【西瓜书式(9.28)(9.29)】,这里 x \boldsymbol{x } x的多属性体现在多元,即【西瓜书式(9.28)】的多维( d d d维)高斯分布下的线性判别分析LDA实现了贝叶斯分类器。 与朴素贝叶斯假设不同的是这里并没有要求属性间的独立性,而是要求知道属性间的协方差矩阵(集中度及相关系数)。
注:“高斯混合成分”是说两点:(1)“混合成分”由【西瓜书式(9.29)】中的权重向量 α i \alpha _i αi刻画各簇样本占比,其中的“成分”不是指样本的成分,而是指“簇”成分;(2)“高斯分布”,样本中的属性由高斯分布【西瓜书式(9.28)】中向量 x \boldsymbol{x } x表达其取值分布(一个属性对应于一个分量)。
为理解高斯混合分布,我们举一个形象化的例子:对某学校学生学习情况进行分析。
已知:(1)男生和女生作为两个群体,其成绩都符合多维高斯分布(因多科成绩故为多维高斯分布),但男生和女生的分布模型有差异(即参数不同),则两群体学性的成绩分布模型为【西瓜书式(9.28)】, i = 1 , 2 i=1,2 i=1,2分别代表男生和女生(即两套模型参数)。 (2)男生和女生的比例为 α 1 , α 2 \alpha _1,\alpha _2 α1,α2,则学校学生(男女混合)成绩模型为【西瓜书式(9.29)】。
现在假定有一个学生分数数据集
D
D
D,
以此作为训练集,我们有一个基本任务和两个附属任务:
(T1)基本任务:求学生成绩模型的参数,这是本小节所要解决的问题。
(T2)附属任务1:根据某学性的分数,判别该学生的性别,即为在完成基本任务后,利用模型进行分类或聚类。
(T3)附属任务2:生成一批学生分数数据,使其符合该模型,这就是完成基本任务后,在模型上的仿真(采样)。
我们先看看如何完成附属任务2:由混合分布【西瓜书式(9.29)】中的每个高斯分布【西瓜书式(9.28)】都可产生样本 x \boldsymbol{x } x,问题在于这些样本放在一起形成的集合要服从混合比例,将该比例对应到数据区间:将 [ 0 , 1 ] [0,1] [0,1]分割成 k k k段,各段长度分别为 α 1 , α 2 , ⋯ , α k {\alpha }_1,{\alpha }_2,\cdots,{\alpha }_k α1,α2,⋯,αk,因此,采样过程由如下二步不断循环即可:
- 在 [ 0 , 1 ] [0,1] [0,1]中依均匀分布产生一随机数 α \alpha α,当 α \alpha α落入第 i i i段时,则:
- 从第 i i i个高斯分布 p ( x ∣ μ i , Σ i ) p(\boldsymbol{x }\,|\,\boldsymbol{\mu }_i,{\boldsymbol{\Sigma } }_i) p(x∣μi,Σi)【西瓜书式(9.28)】中采一个样本(第 j j j个样本)。
利用贝叶斯定理可以得到【西瓜书式(9.30)】,并记为
γ
j
i
=
p
M
(
z
j
=
i
∣
x
j
)
\begin{align} {\gamma}_{ji} =p_{\mathcal{M} }(z_j=i\,|\,\boldsymbol{x }_j) \tag{9.2} \end{align}
γji=pM(zj=i∣xj)(9.2)
对式(9.2)采用贝叶斯最优分类准则,可得到样本
x
j
\boldsymbol{x }_j
xj的簇标志
λ
j
{\lambda}_j
λj,即【西瓜书式(9.31)】。
我们再看另外两个任务,实际上由高斯混合聚类算法【西瓜书图9.6】的两大步:
(1)基本任务:使用EM算法求参数
已知训练集 D D D和超参数 k k k(混合成分数,即簇数),循环使用E步和M步至停止(第2-12句的repeat):
- E步:当【西瓜书式(9.29)】的参数 { α i , μ i , Σ i } i = 1 k \{{\alpha }_i,\boldsymbol{\mu }_i,{\boldsymbol{\Sigma } }_i\}_{i=1}^k {αi,μi,Σi}i=1k全部已知时,对该训练集上每个样本 x j \boldsymbol{x }_j xj利用【西瓜书式(9.30)】计算出一组( i = 1 , 2 , ⋯ , k i=1,2,\cdots,k i=1,2,⋯,k)后验概率 γ j i {\gamma}_{ji} γji,则可得到训练集的后验概率矩阵(第3-5句的for)。
- M步:当已知训练集及其后验概率 γ j i {\gamma}_{ji} γji矩阵时,则可使用【西瓜书式(9.34)(9.35)(9.38)】更新参数 { μ i , Σ i , α i } i = 1 k \{\boldsymbol{\mu }_i,{\boldsymbol{\Sigma } }_i,{\alpha }_i\}_{i=1}^k {μi,Σi,αi}i=1k(第6-11句)。
(2)附属任务1:对数据集进行剖分(实现聚类)
确定参数集后,即可采用贝叶斯最优分类准则实现簇划分(【西瓜书式(9.31)】),即确定训练集 D D D中任意样本 x j \boldsymbol{x }_j xj的簇标志 λ j {\lambda}_j λj,将训练集 D D D中的样本依簇标志进行归类,形成 k k k个簇集合(第13-17句)。
本文为原创,您可以:
- 点赞(支持博主)
- 收藏(待以后看)
- 转发(他考研或学习,正需要)
- 评论(或讨论)
- 引用(支持原创)
- 不侵权
上一篇:9.2 k均值算法、学习向量量化算法
下一篇:9.4 高斯混合模型EM算法详细推导