Wydaje się, że istnieje kilka opcji pracy z modelami mieszanki Gaussa (GMM) w Pythonie. Na pierwszy rzut oka są co najmniej:
- PyMix - http://www.pymix.org/pymix/index.php Narzędzia do modelowania mieszanin
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/, który jest częścią zestawu narzędzi Scipy i wydaje się koncentrować na aktualizacji GMM : Teraz znany jako sklearn.mixture .
- PyPR - http://pypr.sourceforge.net/ rozpoznawanie wzorców i powiązane narzędzia, w tym GMM
... a może inni. Wszystkie wydają się zaspokajać najbardziej podstawowe potrzeby GMM, w tym tworzenie i próbkowanie, szacowanie parametrów, grupowanie itp.
Jaka jest różnica między nimi i jak należy zdecydować, który najlepiej pasuje do konkretnej potrzeby?
normal-distribution
python
mixture
Mężczyzna
źródło
źródło
Odpowiedzi:
Nie wiem, jak ogólnie określić, która z nich jest najlepsza, ale jeśli znasz wystarczająco ustawienia aplikacji, możesz symulować dane i wypróbować pakiety na tej symulacji. Miarami sukcesu może być czas, jaki zajmuje oszacowanie i jakość odzyskania symulowanej prawdy gruntu.
źródło