高斯混合模型丨数析学院

高斯混合模型（Gaussian mixture model，GMM）是常见的一种概率模型类统计学习方法，它通过样本的概率密度分布估计来解决数据样本的聚类问题，在生物学统计与医学统计领域有着广泛的应用。本节将向大家介绍在 Python 中如何利用 Scikit-Learn 库中的相关工具构建高斯混合模型，以及这个模型在 Python 中使用的相关技巧。

首先，我们需要导入相关的可视化以及运算工具库，并构建示例数据：

1

对于构建好的示例数据，我们先运用前几章谈到过的 K-Means 算法进行聚类，效果如下：

2

3

为了清晰描绘聚类结果，我们导入 scipy 中的 cdist 工具，构建函数 plot_kmeans 用于刻画出每个聚类簇的大致边界：

4

5

6

未完待续：课程内容较多，请复制链接通过电脑学习，获得最佳学习效果。 http://datacademy.io/lesson/147
更多课程和文章尽在微信号：「datartisan数据工匠」