机器学习-EM算法机器推广基于GaussianMixture函数对样本进行聚类-python实现

本文主要是介绍机器学习-EM算法机器推广基于GaussianMixture函数对样本进行聚类-python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 1. EM算法概述
    • 2. 原理及数学表达
    • 3. 代码实现
    • 4. 总结

1. EM算法概述

  EM (Expectation Maximization) 算法是一种迭代算法,用于含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计。EM算法的每次迭代由两步组成:E步,求期望(expectation);M步,求极大(maximization)。
  一般的对样本模型的建立,是从样本的观测数据入手,找出样本的模型参数。常用的方法是最大似然估计,即利用已知的样本观测结果来反推最有可能的导致这个结果的样本参数。
  但实际的样本观测中,可能存在未观测到的隐含数据,此时我们未知的有隐含数据和模型参数,无法直接用极大化对数似然函数得到模型分布的参数。
  对于未知的隐变量,我们先猜想隐变量,这是EM算法中的E步。基于已知的观测数据和猜想的隐变量,来极大化对数似然,求解我们的模型参数,这是EM算法的M布。当然,这个猜想的隐变量一般情况下是无法满足我们想要的结果。那么,我们基于刚刚求解的模型参数,继续猜想隐含数据,然后继续E步和M步,直到模型分布参数基本无变化,算法收敛,此时样本数据找到了合适的模型参数。
  举一个例子,我有一包糖果,为了公平,我要平分给我的妹妹。此时,我并不知道糖果的重量。于是乎,我随机把糖果分在两个袋子里。然后我掂量两个袋子的重量,感觉一个重一个轻,这就是EM算法的E步。那么我从重的袋子里抓一把糖果,放在轻的袋子里,此时,我并不知道我抓一把糖果有多重,放好之后,又掂量两个袋子的重量。这就是EM算法的M步。然后反复的分糖果,反复的掂量,直到我感觉两个袋子差不多重,那么此时,就达到我平分糖果的目的了。

2. 原理及数学表达

输入:观测变量数据 Y Y Y,隐变量数据 Z Z Z,联合分布 P ( Y , Z ∣ ) P(Y,Z| ) P(YZ),条件分布 P ( Z ∣ Y , ) P(Z|Y,) P(ZY,)
输出:模型参数 。

  1. 选择参数的初值 θ ( 0 ) \theta^{(0)} θ(0),开始迭代; 初值可以任意选择,但是EM算法对初值是敏感的,不同的初值可能得到不同的参数估计值。
  2. E步:记 θ ( i ) \theta^{(i)} θ(i)为第 i i i次迭代参数的估计值,在第i+1次迭代的E步,计算
    Q ( θ , θ ( i ) ) = E z ∣ log ⁡ P ( Y , Z ∣ θ ) ∣ Y , θ ( i ) ∣ ∑ Z log ⁡ P ( Y , Z ∣ θ ) P ( Z ∣ Y , θ ( i ) ) ∣ \begin{array}{c} Q\left(\theta, \theta^{(i)}\right)=E z|\log P(Y, Z \mid \theta)| Y, \theta^{(i)} \mid \\ \ \ \ \ \sum_{Z} \log P(Y, Z \mid \theta) P\left(Z \mid Y, \theta^{(i)}\right) \mid \end{array} Q(θ,θ(i))=EzlogP(Y,Zθ)Y,θ(i)    ZlogP(Y,Zθ)P(ZY,θ(i))
    这里, P ( Z ∣ Y , θ ( i ) ) P(Z|Y,\theta^{(i)} ) P(ZYθ(i))是在给定观测数据 Y Y Y和当前的参数估计 θ ( i ) \theta^{(i)} θ(i)下隐变量数据Z的条件概率分布。 Q函数是EM算法的核心。完全数据的对数似然函数 log ⁡ P ( Y , Z ∣ θ ) \log{P(Y,Z|\theta)} logP(Y,Zθ)关于在给定观测数据 Y Y Y和当前参数 θ ( i ) \theta^{(i)} θ(i)下对未观测数据Z的条件概率分布 P ( Z ∣ Y , θ ( i ) ) P(Z|Y,\theta^{(i)} ) P(ZYθ(i))的期望就是Q函数。
  3. M步:求 Q ( θ , θ ( i ) ) Q(\theta,\theta^{(i)}) Q(θ,θ(i))使极大化的 θ ( i ) \theta^{(i)} θ(i),确定第i+1次迭代的参数的 估计值 θ ( i + 1 ) = arg ⁡ max ⁡ θ Q ( θ , θ ( i ) ) \theta^{(i+1)}=\arg \max _{\theta} Q\left(\theta, \theta^{(i)}\right) θ(i+1)=argmaxθQ(θ,θ(i))
  4. 重复第2步和第3步,直到收敛。

3. 代码实现

  EM算法在高斯混合模型中的应用,用高斯混合模型对数据聚类,认为任意样本数据都可以由多个高斯分布函数去近似。
  通过make_blobs函数建立以[-1,-1], [0,0], [1,1], [2,2]为中心,[0.5, 0.3, 0.4, 0.3]为标准差的数据样本集。通过GaussianMixture函数对样本进行聚类,设置n_components=4,即四个高斯分布函数。得到结果可以看出,能对数据集很进行很好的聚类。

# 导入基本库
import matplotlib.pyplot as plt
from sklearn.datasets.samples_generator import make_blobs
from sklearn.mixture import GaussianMixture# 生成样本特征和簇类别
X, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1,-1], [0,0], [1,1], [2,2]],cluster_std=[0.5, 0.3, 0.4, 0.3])
'''
X为样本特征,Y为样本簇类别
n_samples: 表示数据样本点个数
n_features: 表示数据的维度
centers: 产生数据的中心点
cluster_std: 数据集的标准差
'''##设置gmm函数
gmm = GaussianMixture(n_components=4, covariance_type='full').fit(X)
'''
n_components:混合高斯模型个数
covariance_type:通过EM算法估算参数时使用的协方差类型,默认是'full'
'''
##训练数据
y_pred = gmm.predict(X)##绘图
ax1 = plt.subplot(211)
ax1.set_title('original data')
plt.scatter(X[:, 0], X[:, 1],c='gray',marker='.')
ax2 = plt.subplot(212)
ax2.set_title('cluster data')
plt.scatter(X[:, 0], X[:, 1], c=y_pred,marker='.')
plt.show()

在这里插入图片描述

4. 总结

  当我们的样本数据都是可观测的数据是,那么对于给定的数据可以用极大似然估计,或者贝叶斯估计法来求解概率模型。但当样本数据存在隐变量时,那么隐变量很难由最大似然求解,这就需要EM算法来求解含有隐变量的概率模型参数。
  粗略的理解EM算法,在求解样本模型时,模型参数θ和未观测数据Z都是未知的,在每次迭代的过程中,一次固定一个变量,对另外的变量求基质。E步,固定θ,优化Q,M步,固定Q,优化θ。交替的将极值推向最大,求解极大似然估计。
  EM算法简单普适,但存在会收敛到局部最优的问题。

这篇关于机器学习-EM算法机器推广基于GaussianMixture函数对样本进行聚类-python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/154701

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.