简短版本:
如果我有一个包含 n 个组件的 MoG 模型,每个组件都有单独的权重 w^n。 我有一个样本。我想计算这个样本是从 MoG 抽取的概率。我可以轻松评估各个高斯函数,但我不知道如何考虑它们的权重或汇总它们的分数。
更长版本:
我在 matlab 中使用 MoG 模型来实现机器学习算法。我正在对蒙特卡洛风格进行采样,因此需要执行重要性重新加权,其中涉及评估从 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,但我不确定如何对整个 MoG 模型进行评估,同时考虑到所有组件和权重。
最佳答案
我猜数学的答案是:
y = p(x | M) = \sum_i p(x | N_i) * w_i
其中 p(x | M)
是从混合物 M
中采样 x
的概率,该概率被转换为加权和从每个高斯 N_i
中采样 x
的概率,并按从正常 N_i
采样的先验概率加权 (w_i
,训练期间获得的权重)。
在此处查找有关如何从 GMM 进行训练或采样的详细文档:
http://guneykayim-msc.googlecode.com/svn-history/r20/trunk/doc/common/GMM.pdf
关于machine-learning - 如何评估加权高斯混合模型中的样本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34949377/