跳到主要内容

变分贝叶斯高斯混合（BayesianGaussianMixture）

组件名称变分贝叶斯高斯混合（BayesianGaussianMixture）
工具集机器学习/分类/变分贝叶斯高斯混合（BayesianGaussianMixture）
组件作者雪浪云-燕青
文档版本1.0
功能变分贝叶斯高斯混合（BayesianGaussianMixture）算法
镜像名称ml_components:3
开发语言Python

组件原理​

变分贝叶斯方法最早由Matthew J.Beal在他的博士论文《Variational Algorithms for Approximate Bayesian Inference》中提出，作者将其应用于隐马尔科夫模型，混合因子分析，非线性动力学，图模型等。变分贝叶斯是一类用于贝叶斯估计和机器学习领域中近似计算复杂（intractable）积分的技术。它主要应用于复杂的统计模型中，这种模型一般包括三类变量：观测变量(observed variables, data)，未知参数（parameters）和潜变量（latent variables）。在贝叶斯推断中，参数和潜变量统称为不可观测变量(unobserved variables)。变分贝叶斯方法主要是两个目的:

  • 近似不可观测变量的后验概率，以便通过这些变量作出统计推断。
  • 对一个特定的模型，给出观测变量的边缘似然函数（或称为证据，evidence）的下界。主要用于模型的选择，认为模型的边缘似然值越高，则模型对数据拟合程度越好，该模型产生Data的概率也越高。

对于第一个目的，蒙特卡洛模拟，特别是用Gibbs取样的MCMC方法，可以近似计算复杂的后验分布，能很好地应用到贝叶斯统计推断。此方法通过大量的样本估计真实的后验，因而近似结果带有一定的随机性。与此不同的是，变分贝叶斯方法提供一种局部最优，但具有确定解的近似后验方法。

从某种角度看，变分贝叶斯可以看做是EM算法的扩展，因为它也是采用极大后验估计(MAP)，即用单个最有可能的参数值来代替完全贝叶斯估计。另外，变分贝叶斯也通过一组相互依然（mutually dependent）的等式进行不断的迭代来获得最优解。

组件​

  • 组件图：

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称：训练数据
  • 输入类型：Csv文件
  • 功能描述： 输入用于训练的数据

输入端子2​

  • 端口名称：用户提供的协方差分布的先验数据
  • 输入类型：npy文件
  • 功能描述： 输入提供的协方差分布的先验数据据，可以不连

输出桩​

支持sklearn模型输出。

输出端子1​

  • 端口名称：输出模型
  • 输出类型：sklearn模型
  • 功能描述： 输出训练好的模型用于预测

参数配置​

N Component​

  • 功能描述：混合成分的数量
  • 必选参数：是
  • 默认值：1

协方差类型​

  • 功能描述：协方差类型
  • 必选参数：是
  • 默认值：full

收敛阈值​

  • 功能描述：收敛阈值
  • 必选参数：是
  • 默认值：0.001

非负正则化参数​

  • 功能描述：添加到协方差对角线的非负正则化
  • 必选参数：是
  • 默认值：0.000001

最大迭代次数​

  • 功能描述：训练时执行的最大迭代次数
  • 必选参数：是
  • 默认值：100

初始化次数​

  • 功能描述：要执行的初始化次数
  • 必选参数：是
  • 默认值：1

初始化方法​

  • 功能描述：初始化方法
  • 必选参数：是
  • 默认值：kmeans

权重浓度先验类型​

  • 功能描述：权重浓度先验类型
  • 必选参数：是
  • 默认值：dirichlet_process

权重浓度先验​

  • 功能描述：权重分布上各组的狄利克雷浓度
  • 必选参数：否
  • 默认值：（无）

平均分布精度先验​

  • 功能描述：平均分布精度先验
  • 必选参数：否
  • 默认值：（无）

平均分布先验​

  • 功能描述：平均分布先验
  • 必选参数：否
  • 默认值：（无）

自由度先验​

  • 功能描述：自由度先验
  • 必选参数：否
  • 默认值：（无）

Random State​

  • 功能描述：随机种子
  • 必选参数：否
  • 默认值：（无）

需要训练​

  • 功能描述：该模型是否需要训练，默认为需要训练。
  • 必选参数：是
  • 默认值：true

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

识别字段​

  • 功能描述：识别字段
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

测试用例​

模板​

右面板配置​

  • 参数设置：

  • 字段设置：

输入的数据：​

输出的结果：​

  • 输出模型：