Paket python untuk bekerja dengan model campuran Gaussian (GMM)

12

Tampaknya ada beberapa opsi yang tersedia untuk bekerja dengan Gaussian Mixture Model (GMMs) dengan Python. Sekilas, setidaknya ada:

... dan mungkin yang lain. Mereka semua tampaknya menyediakan kebutuhan paling mendasar untuk GMM, termasuk membuat dan pengambilan sampel, estimasi parameter, pengelompokan, dll.

Apa perbedaan di antara mereka, dan bagaimana cara menentukan mana yang paling cocok untuk kebutuhan tertentu?

Ref: http://www.scipy.org/Topical_Software

normal-distribution python mixture Seorang pria
sumber
Anda dapat mencoba membuat profil versi kompresi gambar yang sangat sederhana menggunakan GMM. Diberikan gambar menggunakan GMM untuk menetapkan piksel probabilitas yang berbeda dan kemudian membuat ulang gambar dengan menggunakan probabilitas sebagai indeks untuk Gaussian tertentu yang kemungkinan besar berasal dari piksel tertentu.
Phillip Cloud
@cpcloud - Maksud Anda: buat percobaan yang disederhanakan untuk dijalankan di setiap paket ini, sebagai titik perbandingan? Baiklah, oke, tapi itu bukan usaha kecil. Saya berharap beberapa masukan dari orang-orang yang telah menggunakan paket-paket ini.
Aman
2
Scikit-belajar adalah perpustakaan pembelajaran mesin populer yang juga memiliki beberapa dukungan GMM. Saya tidak yakin itu sesuai dengan kebutuhan Anda tetapi memiliki manfaat memiliki algoritma dan kerangka kerja pembelajaran lainnya (misalnya validasi silang, komposisi model).
Bitwise
PyPR dan PyEM hanya tersedia untuk Python 2, dan tampaknya tidak lagi dalam pengembangan aktif. PyMix sepertinya pilihan terbaik.
Josh Milthorpe

Jawaban:

3

Saya tidak tahu bagaimana menentukan secara umum mana yang terbaik, tetapi jika Anda mengetahui pengaturan aplikasi Anda dengan cukup baik, Anda dapat mensimulasikan data dan mencoba paket pada simulasi ini. Metrik sukses bisa berupa waktu yang dibutuhkan estimasi dan kualitas pemulihan dari ground ground yang disimulasikan.

Gael Varoquaux
sumber