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正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,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python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)