【贝叶斯分析⑥】高斯混合模型

代码地址:https://github.com/ChengJiacheng/bayesian-analysis/blob/master/GMM.py

有时候,某些数据的生成无法用一个简单的高斯分布描述,但可以用高斯分布的组合来描述。这种假设数据是从一系列分布的组合中产生的模型,称作混合模型。混合模型中我们需要一个隐变量来描述数据是从哪个分布产生的,这个隐变量是一个categorical变量,描述数据由每个分布产生的概率。隐变量的先验可以用狄利克雷分布来建模,狄利克雷分布是beta分布的一般形式。

采样轨迹为:

后验分布对数据的拟合效果为:

此外,分类问题(数据属于哪个类高斯分布生成的)在通过贝叶斯推断出参数取值后,也可用生成式模型的方法对任意X进行分类。

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值