如何评估加权高斯混合模型中的样本？

如果我有一个MoG模型，其中有n个组件，每个组件具有单独的权重w^n。我有一个样本。我希望计算这个样本来自MoG的概率。我可以很容易地评估个别gaussians，但我不知道如何考虑他们的权重或聚合他们的分数。

加长版：

我使用MATLAB中的一个MOG模型机器学习算法。我正在采样蒙特卡罗样式，因此需要进行重要性重新加权，这涉及评估从MoG模型中抽取特定样本的可能性。我可以轻松评估单个高斯，但我不确定如何在整个MoG模型中考虑所有组件和权重。

2016-01-22 CVirtuous

我投票作为题外话，因为它属于http要关闭这个问题：//datascience.stackexchange .com/ –

我想数学的答案是：

y = p(x | M) = \sum_i p(x | N_i) * w_i

其中p(x | M)是x概率被采样形式的混合物M，其被翻译成的x的概率的加权和被采样的通过从正常N_i（w_i，在训练期间获得的权重）的先验概率加权的每个高斯N_i。

在这里找到如何从一个GMM训练或样品的详细文件：

2016-01-22 15:59:19

谢谢，我认为这将工作，但找不到任何资源来确认它。 – CVirtuous

不是数学答案，但MATLAB提供使用“PDF”的方法将PDF评估。

Y = PDF（OBJ，X）

其中obj与gmdistribution对象。

2016-01-22 15:35:48 CVirtuous

回答