我很困惑。我已经按照 MATLAB 代码为自己测试了一个程序:
feature_train=[1 1 2 1.2 1 1 700 709 708 699 678];
No_of_Clusters = 2;
No_of_Iterations = 10;
[m,v,w]=gaussmix(feature_train,[],No_of_Iterations,No_of_Clusters);
feature_ubm=[1000 1001 1002 1002 1000 1060 70 79 78 99 78 23 32 33 23 22 30];
No_of_Clusters = 3;
No_of_Iterations = 10;
[mubm,vubm,wubm]=gaussmix(feature_ubm,[],No_of_Iterations,No_of_Clusters);
feature_test=[2 2 2.2 3 1 600 650 750 800 658];
[lp_train,rp,kh,kp]=gaussmixp(feature_test,m,v,w);
[lp_ubm,rp,kh,kp]=gaussmixp(feature_test,mubm,vubm,wubm);
但是,结果让我很奇怪,因为 feature_test 必须分类在 feature_train 而不是 feature_ubm 中。如下所示,feature_ubm 的概率大于 feature_train!?! 谁能为我解释一下有什么问题吗? 该问题与 gaussmip 和 gaussmix MATLAB 函数有关吗?
sum(lp_ubm)
答=
-3.4108e+06
block 引用>sum(lp_train)
答=
-1.8658e+05
最佳答案
As you see below the probability of feature_ubm is more than feature_train!?!
你看到的恰恰相反,尽管 ubm 的绝对值很大,但你正在考虑负数并且
sum(lp_train) > sum(lp_ubm)
所以
P(test|train) > P(test|ubm)
因此您的测试 block 被正确分类为 train,而不是 ubm。
关于machine-learning - GMM 中的负概率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17668279/