后

高斯混合分量的后验概率

折叠整个页面

语法

P =后(通用,X)

[P, nlogL] =后(通用,X)

描述

例子

P=后(通用汽车，X）中各高斯混合分量的后验概率通用汽车给每一个观察X．

［P，nlogL) =后(通用汽车，X）也返回高斯混合模型的负对数似然通用汽车考虑到数据X．

例子

全部折叠

计算后验概率

打开生活的脚本

生成遵循两个二元高斯分布的混合的随机变量mvnrnd函数。将高斯混合模型(GMM)拟合到生成的数据中fitgmdist函数，然后计算混合组分的后验概率。

定义两个二元高斯混合分量的分布参数(均值和协方差)。

Mu1 = [2 2];%第一个分量的平均值Sigma1 = [2 0;0 1];%第1分量的协方差Mu2 = [-2 -1];第二部分的平均值Sigma2 = [1 0;0 1];%第2项的协方差

从每个组成部分生成相等数量的随机变量，并结合两组随机变量。

rng (“默认”）%的再现性r1 = mvnrnd (mu1 sigma1 1000);r2 = mvnrnd (mu2 sigma2 1000);X = [r1;r2);

合并数据集X包含两个二元高斯分布混合后的随机变量。

适合双组分GMMX．

通用= fitgmdist (X, 2)

gm = 2个分量的高斯混合分布。分量1:混合比例:0.500765均值:-1.9675 -0.9654分量2:混合比例:0.499235均值:1.9657 2.0342

情节X通过使用散射．可视化拟合模型通用汽车通过使用pdf和fcontour．

图散射(X(: 1),(:, 2), 10日“。”）%大小为10点的散点图持有在gmPDF = @ (x, y) arrayfun (@ (x0, y0) pdf(通用、(x0 y0)), x, y);fcontour(gmPDF，[-6 8 -4 6]) c1 = colorbar;ylabel (c1,的概率密度函数）

图包含一个坐标轴对象。轴线对象包含2个散点型、功能轮廓型对象。

计算各组件的后验概率。

P =后(gm, X);

P (i, j)的后验概率是j观察到的高斯混合分量我．

的后验概率组件1通过使用散射函数。用圆圈的颜色来显示后验概率值。

图散射(X (: 1), (:, 2), 10, P (: 1)) c2 = colorbar;ylabel (c2,“分量1的后验概率”）

图包含一个坐标轴对象。轴线对象包含一个分散类型的对象。

的后验概率组件2．

图散射(X (: 1), (:, 2), 10, P (:, 2)) c3 = colorbar;ylabel (c3,“分量2的后验概率”）

图包含一个坐标轴对象。轴线对象包含一个分散类型的对象。

输入参数

全部折叠

`通用汽车`- - - - - -高斯混合分布
`gmdistribution`对象

高斯混合分布，又称高斯混合模型(GMM)，简称为gmdistribution对象。

您可以创建gmdistribution对象使用gmdistribution或fitgmdist．使用gmdistribution函数来创建gmdistribution对象，通过指定分布参数。使用fitgmdist函数拟合gmdistribution模型到给定固定数量的组件的数据。