使用 GMM 和 MATLAB 进行分类

Posted 2023-03-12

【中文标题】使用 GMM 和 MATLAB 进行分类

【英文标题】：Classify using GMM with MATLAB

【发布时间】：2014-08-07 01:48:07

【问题描述】：

我想在 MATLAB 中使用高斯混合模型对两个类进行分类。

我通过使用函数 gmdistribution.fit 创建两个模型来进行训练

NComponents = 1;
  for class=1:2
      model(class).obj =    gmdistribution.fit(trainData(class).feature,NComponents,'Regularize',.1);
  end

然后，给定测试数据点，我想知道如何对它们进行分类。我现在做的是获取每个模型中每个点的后验概率：

vectorClasses = zeros(1,2);
    for class=1:2
        Pos=  posterior(model(class).obj,testDataPoint);           
         suma=0;
         for k=1:NComponents
             suma = suma + Pos(1,k)*model(class).obj.PComponents(k);
         end
        vectorClasses(class)=suma;
    end
    [v ix] = sort(vectorClasses,'descend');
    if ix(1)==realClass
        success= 1;
    else
        success= 0;
    end

我将每个组件的后验概率与模型中组件的概率的乘积相加。然后我对每个模型中获得的概率进行排序。我说测试数据点对应概率最高的类。

我做得好吗？正确的方法是怎样的？有没有最简单的方法？

【问题讨论】：

嗨，我之前也遇到过类似的问题，***.com/questions/24037988/…，我认为@dpwe 是对的。基本上，我使用[Dummy, nlogl] = posterior(model(class).obj, testDataPoint) nlogl 作为典型类的后验。希望这可以帮到你。此外，您可以在 Matlab 中打开后验函数，以确保您通过调试模式了解该函数的输出含义。

【参考方案1】：

似乎不需要像在 HMM 的情况下那样每个类都有独立的模型，如答案中所述： this very complete description。与分类阶段类似，后验命令似乎可以完成这项工作。然而，看起来模型并没有指出哪个集群代表哪个类（我们必须弄清楚）。如果您已获得完整的解决方案，请发布。关于如何使用matlab的gmm进行分类的信息并不多（也一直在搜索）。