Il semble y avoir plusieurs options disponibles pour travailler avec des modèles de mélange gaussiens (GMM) en Python. À première vue, il existe au moins:
- PyMix - http://www.pymix.org/pymix/index.php Outils pour la modélisation des mélanges
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ qui fait partie de la boîte à outils Scipy et semble se concentrer sur la mise à jour des GMM : désormais connue sous le nom de sklearn.mixture .
- PyPR - http://pypr.sourceforge.net/ reconnaissance des formes et outils associés, y compris les GMM
... et peut-être d'autres. Ils semblent tous répondre aux besoins les plus élémentaires en matière de MGM, notamment la création et l'échantillonnage, l'estimation des paramètres, le regroupement, etc.
Quelle est la différence entre eux et comment faut-il déterminer lequel est le mieux adapté à un besoin particulier?
normal-distribution
python
mixture
Un homme
la source
la source
Réponses:
Je ne sais pas comment déterminer en général lequel est le meilleur, mais si vous connaissez assez bien le paramètre de votre application, vous pouvez simuler des données et essayer les packages sur ces simulations. Les mesures de réussite peuvent être le temps nécessaire à l'estimation et la qualité de la récupération de votre vérité terrain simulée.
la source