Python'da Gauss Karışım Modelleri (GMM) ile çalışmak için çeşitli seçenekler var gibi görünüyor. İlk bakışta en az:
- PyMix - http://www.pymix.org/pymix/index.php Karışım modelleme araçları
- - PyEM http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ Scipy araç kutusu bir parçasıdır ve gmms odaklanmak gibi görünüyor Şimdi bir deyişle: Güncellemesi sklearn.mixture .
- PyPR - http://pypr.sourceforge.net/ örüntü tanıma ve GMM'ler dahil ilgili araçlar
... ve belki de diğerleri. Hepsi, GMM'ler için oluşturma ve örnekleme, parametre tahmini, kümeleme vb.Dahil olmak üzere en temel ihtiyaçları sağlıyor gibi görünüyor.
Aralarındaki fark nedir ve belirli bir ihtiyaç için hangisinin en uygun olduğunu nasıl belirleyelim?
GMM'leri kullanarak gerçekten basit bir görüntü sıkıştırma sürümünü biçimlendirmeyi deneyebilirsiniz. Bir görüntü verildiğinde, piksellere farklı olasılıklar atamak için bir GMM kullanın ve daha sonra belirli bir pikselin gelme olasılığı en yüksek olan Gauss için endeks olarak olasılıkları kullanarak görüntüyü yeniden oluşturun.
—
Phillip Cloud
@cpcloud - Şunu mu demek istediniz: bir karşılaştırma noktası olarak bu paketlerin her birinde yürütülecek basitleştirilmiş bir deneme oluşturdunuz mu? Tamam, ama bu çok az çaba gerektirmiyor. Bu paketleri kullanan kişilerden bazı girdiler bekliyorum.
—
Aman
Scikit-learn, bazı GMM desteği olan popüler bir makine öğrenme kütüphanesidir. İhtiyaçlarınıza uygun olduğundan emin değilim ancak diğer öğrenme algoritmalarına ve çerçevesine sahip olma avantajına sahiptir (örn. Çapraz doğrulama, model kompozisyonu).
—
Bitwise
PyPR ve PyEM sadece Python 2 için mevcuttur ve artık aktif geliştirme aşamasında değildir. PyMix en iyi seçim gibi görünüyor.
—
Josh Milthorpe