如何在加权高斯混合模型中评估样本？
提问于 2016-01-22 06:45:15
简写版：
如果我有一个n个分量的MoG模型，每个分量都有各自的权重w^n。我有一个样本，我想计算这个样本是从MoG中抽取的概率。我可以很容易地评估单个高斯人，但我不知道如何考虑他们的权重，或者把他们的分数汇总起来。
更长版本：
我正在使用matlab中的MoG模型作为机器学习算法。我是抽样蒙特卡罗风格，因此需要执行重要性重加权，这涉及到评估从MoG模型中提取特定样本的可能性。我可以很容易地评估一个单一的高斯，但我不知道如何对整个MoG模型，考虑到所有的成分和权重。
回答 2
Stack Overflow用户
回答已采纳
发布于 2016-01-22 07:59:19
我想数学上的答案是：
y = p(x | M) = \sum_i p(x | N_i) * w_i其中p(x | M)是从混合M中采样的概率，它被转化为x从每个高斯N_i中采样的概率的加权和，其加权概率是来自于正常N_i的先验抽样概率(w_i，在训练过程中获得的一个权重)。
在这里可以找到一份关于如何从GMM中培训或取样的详细文档：
http://guneykayim-msc.googlecode.com/svn-history/r20/trunk/doc/common/GMM.pdf
Stack Overflow用户
发布于 2016-01-22 07:35:48
不是一个数学的答案，但Matlab提供的pdf评估使用'pdf‘方法。
Y= pdf(obj，X)
其中obj是is分发对象。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/34949377
复制相关文章
点击加载更多
腾讯云开发者
