一、单成分单变量高斯模型

权重矩阵作用 gmm权重矩阵_权重矩阵作用


权重矩阵作用 gmm权重矩阵_权重矩阵作用_02


权重矩阵作用 gmm权重矩阵_拟合_03

二、单成分多变量高斯模型

权重矩阵作用 gmm权重矩阵_协方差矩阵_04

若协方差矩阵为对角矩阵且对角线上值相等,两变量高斯分布的等值线为圆形。

权重矩阵作用 gmm权重矩阵_协方差矩阵_05

若协方差矩阵为对角矩阵且对角线上值不等,两变量高斯分布的等值线为椭圆形。长轴平行于取较大值的变量所在的轴,短轴平行于取较小值的变量所在的轴。

权重矩阵作用 gmm权重矩阵_协方差矩阵_06

若协方差矩阵为非对角矩阵,表明变量之间存在相关性,相关系数取-1到1之间的非0值。

权重矩阵作用 gmm权重矩阵_数据_07

上图中两变量高斯分布的等值线长轴平行于\(x_1=-0.5x_2\)这条直线。

权重矩阵作用 gmm权重矩阵_数据_08

三、多成分多变量高斯混合模型

基于先验概率\(P(m)\)选择成分后,基于\(P(X|m)\)生成数据。

权重矩阵作用 gmm权重矩阵_拟合_09

为减少参数数目,常假设协方差矩阵为对角矩阵且对角线取值相等。

权重矩阵作用 gmm权重矩阵_数据_10


权重矩阵作用 gmm权重矩阵_权重矩阵作用_11

如果哪个成分生成哪个数据的对应关系已知,即强制对齐,这时使用MLE进行参数估计

权重矩阵作用 gmm权重矩阵_协方差矩阵_12

通常情况下,这种生成数据的对应关系是未知的,即存在隐变量,这时使用EM替代MLE进行参数估计。

权重矩阵作用 gmm权重矩阵_权重矩阵作用_13

E步其实计算的是\(P(m|X)\),即软分配。
强制对齐下,将\(X\)分配给其中的一个成分;
软分配下,将\(X\)以一定的概率值分配给每个成分。

权重矩阵作用 gmm权重矩阵_数据_14

用GMM对数据进行拟合比用单个Gaussian拟合数据更加准确。

权重矩阵作用 gmm权重矩阵_数据_15


权重矩阵作用 gmm权重矩阵_数据_16


权重矩阵作用 gmm权重矩阵_数据_17