scikit सीखने जीएमएम मैं गाऊसी मिश्रण मॉडल का उपयोग कर रहा अजगर scikit सीखने पैकेज से मेरी डाटासेट प्रशिक्षित करने के लिए सकारात्मक लॉग संभावना

Question

उत्पादन, तथापि, मैं झरना कि जब मैं कोड

- जी = mixture.GMM (.. ।)

- G.fit (...)

- G.score (योग सुविधा)

जिसके परिणामस्वरूप लॉग संभावना सकारात्मक वास्तविक संख्या है ... यही कारण है कि है? लॉग की संभावना नहीं है नकारात्मक होने की गारंटी है?

मुझे यह मिल गया। गॉसियन मिक्स्चर मॉडल हमारे पास क्या लौटाता है मैं संभावना "द्रव्यमान" की बजाय लॉग संभावना "घनत्व" तो सकारात्मक मूल्य पूरी तरह से उचित है।

तो सहप्रसरण मैट्रिक्स विलक्षण के पास है, तो जीएमएम अच्छी तरह से perfomr नहीं होगा, और आम तौर पर इसका मतलब है कि डेटा इस तरह के उत्पादक कार्य के लिए अच्छा नहीं है

Answer 1

सकारात्मक लॉग संभावनाओं ठीक हैं।

याद रखें कि जीएमएम गणना की संभावना संभाव्यता घनत्व समारोह (पीडीएफ) है, इसलिए किसी भी व्यक्तिगत बिंदु पर एक से अधिक हो सकता है।

प्रतिबंध यह है कि पीडीएफ को डेटा डोमेन पर एक को एकीकृत करना होगा।

यदि लॉग संभावना बहुत बड़ी हो जाती है, तो अनुमान एल्गोरिदम एक अपर्याप्त समाधान तक पहुंच सकता है (यदि आपके पास एक छोटा डेटासेट है तो अधिकतम संभावना अनुमान के साथ आम)।

यह जांचने के लिए कि जीएमएम एल्गोरिदम एक अपर्याप्त समाधान तक नहीं पहुंच पाया है, आपको प्रत्येक घटक के लिए भिन्नताएं देखना चाहिए। यदि किसी भी प्रकार का शून्य शून्य के करीब है, तो यह बुरा है। एक विकल्प के रूप में, आपको अधिकतम संभावना अनुमान के बजाय बेयसियन मॉडल का उपयोग करना चाहिए (यदि आप पहले से ऐसा नहीं कर रहे हैं)।