Dường như có một số tùy chọn có sẵn để làm việc với Mô hình hỗn hợp Gaussian (GMM) trong Python. Thoạt nhìn có ít nhất:
- PyMix - http://www.pymix.org/pymix/index.php Công cụ lập mô hình hỗn hợp
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ là một phần của hộp công cụ Scipy và dường như tập trung vào Cập nhật GMM : Hiện được gọi là sklearn.mixture .
- PyPR - http://pypr.sourceforge.net/ nhận dạng mẫu và các công cụ liên quan bao gồm GMM
... Và có lẽ những người khác. Tất cả chúng dường như cung cấp các nhu cầu cơ bản nhất cho GMM, bao gồm tạo và lấy mẫu, ước tính tham số, phân cụm, v.v.
Sự khác biệt giữa chúng là gì và làm thế nào để xác định cái nào phù hợp nhất cho một nhu cầu cụ thể?
Tham chiếu: http://www.scipy.org/Topical_Software
Bạn có thể thử cấu hình một phiên bản nén hình ảnh thực sự đơn giản bằng GMM. Đưa ra một hình ảnh, sử dụng GMM để gán các pixel xác suất khác nhau và sau đó tạo lại hình ảnh bằng cách sử dụng các xác suất làm chỉ số cho Gaussian cụ thể mà một pixel cụ thể có khả năng xuất phát.
—
Đám mây Phillip
@cpcloud - Ý bạn là: thiết lập một thử nghiệm đơn giản hóa để thực hiện trong mỗi gói này, như một điểm so sánh? Chà, được thôi, nhưng đó là một nỗ lực không nhỏ. Tôi hy vọng một số đầu vào từ những người đã sử dụng các gói này.
—
Aman
Scikit-learn là một thư viện máy học phổ biến cũng có một số hỗ trợ GMM. Tôi không chắc nó phù hợp với nhu cầu của bạn nhưng nó có lợi ích là có các thuật toán và khung học tập khác (ví dụ: xác thực chéo, thành phần mô hình).
—
Bitwise
PyPR và PyEM chỉ có sẵn cho Python 2 và dường như không còn được phát triển tích cực. PyMix có vẻ như là sự lựa chọn tốt nhất.
—
Josh Milthorpe