У меня есть смешанная модель:
gm = mixture.GaussianMixture(
n_components=3,
covariance_type="tied",
weights_init=[w1,w2,w3],
means_init=[m1,m2,m3],
random_state=0).fit(datas)
Но результат кластеризации не идеален, поэтому я рассчитал по моим исходным данным 3 априорных значения, чтобы улучшить кластеризацию. Я хотел бы использовать эти априорные значения в качестве начальных отправных точек в EM-алгоритме модели гауссовой смеси.
Исходные средства: являются ли они отправной точкой? Могу ли я заменить их на свои новые приоры или это что-то другое?
Я видел :
sklearn.mixture.BayesianGaussianMixture
Но это кажется действительно другим, например, я не могу инициализировать свои веса, только априорные веса, и я не знаю, одно и то же (я не эксперт в статистике...), и есть слишком много вариантов что я не понимаю...
Как я могу использовать свои новые априорные значения в качестве отправной точки алгоритма EM в моей гауссовой смеси?
Спасибо за любую помощь.