使用sklearn实现混合高斯聚类

from sklearn.mixture import GaussianMixture

参数

n_components高斯模型的数量，也是聚类的数量，相当于k-means中的k。
covariance_type方差类型，具体的差异性没有研究过。
tol停止迭代的阈值
reg_covar防止为零的增加数，使用默认即可。
max_iter最大的迭代次数
n_init随机次数，因为GMM算法受随机数影响较大，所以需要多随机几次。算法会保存最优的随机作为最优解。
random_state随机数

属性

**weights_**各个高斯模型的权重。
**precisions_**各个高斯模型的均值和方差。

方法

fit
predict
fit_predict