Python sklearn.mixture.GaussianMixture 示例说明
最编程
2024-04-05 16:12:51
...
混合物成分的数量。
说明要使用的协方差参数类型的字符串。必须是以下之一:
- ‘full’:每个分量都有自己的通用协方差矩阵。
- ‘tied’:所有组件共享相同的通用协方差矩阵。
- ‘diag’:每个分量都有自己的对角协方差矩阵。
- ‘spherical’:每个组件都有自己的单一方差。
收敛阈值。当下限平均增益低于此阈值时,EM 迭代将停止。
添加到协方差对角线上的非负正则化。允许确保协方差矩阵都是正数。
要执行的 EM 迭代次数。
要执行的初始化次数。保持最佳结果。
用于初始化权重、均值和精度的方法。必须是以下之一:
'kmeans' : responsibilities are initialized using kmeans.
'random' : responsibilities are initialized randomly.
用户提供的初始权重。如果为 None,则使用 init_params
方法初始化权重。
用户提供的初始均值,如果为无,则使用 init_params
方法初始化均值。
用户提供的初始精度(协方差矩阵的倒数)。如果为 None,则使用 ‘init_params’ 方法初始化精度。形状取决于‘covariance_type’:
(n_components,) if 'spherical',
(n_features, n_features) if 'tied',
(n_components, n_features) if 'diag',
(n_components, n_features, n_features) if 'full'
控制为选择初始化参数的方法提供的随机种子(请参阅init_params
)。此外,它还控制拟合分布中随机样本的生成(参见方法sample
)。跨多个函数调用传递一个 int 以实现可重现的输出。请参阅词汇表。
如果‘warm_start’ 为True,则最后一次拟合的解将用作fit() 的下一次调用的初始化。当在类似问题上多次调用 fit 时,这可以加快收敛速度。在这种情况下,‘n_init’ 将被忽略,并且在第一次调用时只发生一次初始化。请参阅词汇表。
启用详细输出。如果为 1,则打印当前初始化和每个迭代步骤。如果大于 1,那么它还会打印对数概率和每一步所需的时间。
下一次打印之前完成的迭代次数。
上一篇: 安卓绘图标尺 画图安卓自定义标尺
推荐阅读
-
机器人系统 ros2-开发实践 04-ROS2 中 tf2 的定义和示例说明
-
Python scipy.signal.iirnotch 示例说明
-
NeRF 模型评估指标 PSNR、MS-SSIM、LPIPS 详细说明和 Python 实现
-
Python Wand 水印示例
-
Python+Kepler.gl 轻松制作炫酷路径动画的实现示例
-
Java 进程 getErrorStream 示例说明
-
Python 示例 6
-
如何使用 Python 从 Google Drive 下载文件(附代码示例)
-
Python scipy.signal.correlate2d 示例解释 - 参数:
-
Python difflib.get_close_matches 示例说明