Здається, існує кілька варіантів роботи з моделями Gaussian Mixure (GMM) в Python. На перший погляд є щонайменше:
- PyMix - http://www.pymix.org/pymix/index.php Інструменти для моделювання сумішей
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/, який є частиною панелі інструментів Scipy і, здається, зосереджений на оновленнях GMM : Зараз відомий як sklearn.mixture .
- PyPR - http://pypr.sourceforge.net/ розпізнавання образів та пов'язані з ними інструменти, включаючи GMM
... і, можливо, інші. Вони, здається, забезпечують найбільш основні потреби в ГММ, включаючи створення та вибірку, оцінку параметрів, кластеризацію тощо.
Яка різниця між ними, і як слід вирішувати, що найкраще підходить для певної потреби?
Посилання: http://www.scipy.org/Topical_Software
Ви можете спробувати профілювати дійсно просту версію стиснення зображень за допомогою GMM. Дане зображення використовує GMM, щоб призначити пікселям різні ймовірності, а потім відтворити зображення, використовуючи ймовірності в якості індексів для конкретного Гауссана, з якого певний піксель, швидше за все, походить.
—
Філліп Хмара
@cpcloud - Ви маєте на увазі: встановіть спрощений експеримент для виконання кожного з цих пакетів у якості точки порівняння? Ну добре, але це не мала кількість зусиль. Я сподіваюся на деякий внесок від людей, які користувалися цими пакунками.
—
Аман
Scikit-learn - популярна бібліотека машинного навчання, яка також має деяку підтримку GMM. Я не впевнений, що він відповідає вашим потребам, але це має перевагу у наявності інших алгоритмів та рамки навчання (наприклад, крос-валідація, склад моделі).
—
Побіт
PyPR і PyEM доступні лише для Python 2, і, здається, вже не знаходяться в активному розвитку. PyMix виглядає найкращим вибором.
—
Джош Мільторп