愿意把数据和代码所以人们可以尝试一些事情吗?
独立的高斯混合模型
27日视图(30天)
显示旧的评论
我有一个一维数据需要由两个分开。
所以我使用
fitgmdist(数据,2);
并得到了
- μ
- σ
- 成分比例
为每个高斯分布。
这是图。(格雷:数据,蓝色:psd的GMModel fitgmdist)
直到这里,一切都好。
所以,问题。
我怎么能分开这两个高斯分布的图形?
我试着
- 使用makedist(“正常”)来创建每个高斯分布。
- 比例乘以每个组件
- 添加两个分布
但是我没能得到相同的图上图重叠。
可能我有错误的概念“正常化”或“高斯混合模型”。
任何建议或站点查找将感激。
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - @Image分析师:数据上传。谢谢你的建议,我下次会记得:)
接受的答案
汤姆巷
2016年1月28日
你做的是这样的:
x = [randn (4000 1) / 2;5 + 2 * randn (6000 1)];
f = fitgmdist (x, 2);
直方图(x,“归一化”,“pdf”)
xgrid = linspace (4, 1001)”;
持有在;情节(xgrid pdf (f, xgrid),的r -);持有从
你可以通过做一些重复的pdf格式的值如下:
n1 = makedist (“正常”f.mu (1)√f.Sigma (1)));
n2 = makedist (“正常”f.mu (2)√f.Sigma (2)));
p = f.ComponentProportion;
y = p (1) * pdf (n1, xgrid) + p (2) * pdf (n2, xgrid);
持有在;情节(xgrid y“c——”);持有从
有一件事要注意。在概率和统计中,共同写一元正态分布的标准偏差作为希腊字母σ。但它是常见的多元分布的协方差矩阵写成资本σ。这就是为什么我使用sqrt(σ)创建单变量分布。
