简短版本: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。
简短版本: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。
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:
http://guneykayim-msc.googlecode.com/svn-history/r20/trunk/doc/common/GMM.pdf
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。
我投票作为题外话,因为它属于http要关闭这个问题://datascience.stackexchange .com/ –