用高斯分布模型（GMM）对输入进行概率预测

最新推荐文章于 2025-02-27 16:39:35 发布

BJRSR

最新推荐文章于 2025-02-27 16:39:35 发布

阅读量2.3k

点赞数 2

分类专栏： pytorch

本文链接：https://blog.csdn.net/weixin_40823740/article/details/116402486

版权

高斯混合模型概率预测阈值 PyTorch 数据筛选

关键词由CSDN通过智能技术生成

pytorch 专栏收录该内容

42 篇文章

订阅专栏

用高斯分布模型（GMM）对输入进行概率预测，输出概率列表，与给定阈值进行比较，最后输出符合条件的下标

a = torch.randn(5,1)
print(a)
gmm = GaussianMixture(n_components=2, max_iter=10, tol=1e-2, reg_covar=5e-4)
gmm.fit(a)
prob = gmm.predict_proba(a)
print(prob)
print(gmm.means_)
means = gmm.means_.argmin()
print(means)
prob = prob[:, gmm.means_.argmin()]
print(prob)
pred = prob > 0.5
print(pred)
print(pred.nonzero())
pred_idx = pred.nonzero()[0]
print(pred_idx)
print(type(pred_idx))

--------------------------------------------------------------
tensor([[ 0.0500],
        [ 0.3039],
        [-1.1827],
        [-0.0728],
        [ 0.4576]])
[[1.00000000e+00 0.00000000e+00]
 [1.00000000e+00 0.00000000e+00]
 [2.27977968e-10 1.00000000e+00]
 [1.00000000e+00 0.00000000e+00]
 [1.00000000e+00 0.00000000e+00]]
[[ 0.18468334]
 [-1.18270671]]
1
[0. 0. 1. 0. 0.]
[False False  True False False]
(array([2], dtype=int64),)
[2]
<class 'numpy.ndarray'>