我正在尝试在数据集 data=[[x,y],...] 上实现期望最大化算法(高斯混合模型)。我正在使用 mv_norm.pdf(data,mean,cov) 函数来计算集群职责。但在 6-7 次迭代后计算出新的协方差值(cov 矩阵)后,cov 矩阵变得奇异,即 cov 的行列式为 0(非常小的值),因此会产生错误
ValueError: the input matrix must be positive semidefinite
和
raise np.linalg.LinAlgError('singular matrix')
有人可以为此提出任何解决方案吗?
#E-step: Compute cluster responsibilities, given cluster parameters
def calculate_cluster_responsibility(data,centroids,cov_m):
pdfmain=[[] for i in range(0,len(data))]
for i in range(0,len(data)):
sum1=0
pdfeach=[[] for m in range(0,len(centroids))]
pdfeach[0]=1/3.*mv_norm.pdf(data[i], mean=centroids[0],cov=[[cov_m[0][0][0],cov_m[0][0][1]],[cov_m[0][1][0],cov_m[0][1][1]]])
pdfeach[1]=1/3.*mv_norm.pdf(data[i], mean=centroids[1],cov=[[cov_m[1][0][0],cov_m[1][0][1]],[cov_m[1][1][0],cov_m[0][1][1]]])
pdfeach[2]=1/3.*mv_norm.pdf(data[i], mean=centroids[2],cov=[[cov_m[2][0][0],cov_m[2][0][1]],[cov_m[2][1][0],cov_m[2][1][1]]])
sum1+=pdfeach[0]+pdfeach[1]+pdfeach[2]
pdfeach[:] = [x / sum1 for x in pdfeach]
pdfmain[i]=pdfeach
global old_pdfmain
if old_pdfmain==pdfmain:
return
old_pdfmain=copy.deepcopy(pdfmain)
softcounts=[sum(i) for i in zip(*pdfmain)]
calculate_cluster_weights(data,centroids,pdfmain,soft counts)
最初,我为每个簇协方差传递了 [[3,0],[0,3]],因为预期的簇数为 3。
最佳答案
Can someone suggest any solution for this?
问题是您的数据位于严格小于输入数据的某个维度中。换句话说,例如您的数据位于一个圆上,而您拥有 3 维数据。因此,当您的方法尝试估计适合您的数据的 3 维椭圆体(协方差矩阵)时,它会失败,因为最佳椭圆体是 2 维椭圆体(第三维为 0)。
如何解决?您需要对协方差估计器进行一些正则化。有很多可能的解决方案,全部在 M 步骤中,而不是 E 步骤中,问题在于计算协方差:
- 简单的解决方案,而不是执行诸如
cov = np.cov(X)
之类的操作,而是添加一些正则化项,例如cov = np.cov(X) + eps * np.identity( X.shape[1])
带有小eps
- 使用更好的估计器,例如 LedoitWolf estimator from scikit-learn 。
Initially, I've passed [[3,0],[0,3]] for each cluster covariance since expected number of clusters is 3.
这没有意义,协方差矩阵值与簇的数量无关。您可以用任何或多或少合理的东西来初始化它。
关于python-3.x - 期望最大化算法(高斯混合模型): ValueError: the input matrix must be positive semidefinite,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39784721/