我正在使用python scikit-learn包中的高斯混合模型来训练我的数据集，但是，当我编码时，我想到了
G =混合物.GMM（...）
G.fit（...）
G.score（总和特征）
得到的对数概率是正实数...为什么？不是对数概率保证为负数？
我知道了 . 高斯混合模型返回给我的是对数概率“密度”而不是概率“质量”，所以正值是完全合理的 .
如果协方差矩阵接近单数，那么GMM将不会很好地表现，并且通常意味着数据不适合这样的生成任务
正日志概率是可以的 .
请记住，GMM计算的概率是概率密度函数（PDF），因此在任何单个点都可以大于1 .
限制是PDF必须通过数据域集成到一个 .
如果对数概率变得非常大，则推理算法可能已达到退化解（如果您有一个小数据集，则与最大似然估计相同） .
要检查GMM算法是否未达到简并解决方案，您应该查看每个组件的差异 . 如果任何差异接近零，那么这是不好的 . 作为替代方案，您应该使用贝叶斯模型而不是最大似然估计（如果您还没有这样做） .
1 回答
正日志概率是可以的 .
请记住，GMM计算的概率是概率密度函数（PDF），因此在任何单个点都可以大于1 .
限制是PDF必须通过数据域集成到一个 .
如果对数概率变得非常大，则推理算法可能已达到退化解（如果您有一个小数据集，则与最大似然估计相同） .
要检查GMM算法是否未达到简并解决方案，您应该查看每个组件的差异 . 如果任何差异接近零，那么这是不好的 . 作为替代方案，您应该使用贝叶斯模型而不是最大似然估计（如果您还没有这样做） .