PyTorch深度学习实战 | 高斯混合模型聚类原理分析

01、问题描述

为理解高斯混合模型解决聚类问题的原理，本实例采用三个一元高斯函数混合构成原始数据，再采用GMM来聚类。

1. 数据

三个一元高斯组件函数可以采用均值和协方差表示如表1所示：

▍表1 三个一元高斯组件函数的均值和协方差

每个高斯组件函数分配不同的权重，其中1号组件权重为30%, 2号组件权重为50%，3号组件权重为20%，随机生成1000个样本数据。

1. 可视化

为了理解三个高斯组件函数是如何混合的，可以将三个一元高斯函数显示在二维坐标中，显示三个高斯组件函数的钟形图。然后，三个组件按照权重比率混合，显示三个组件函数混合后的图形。

1. 聚类

为了找到混合后的数据属于哪一个组件，可以采用聚类的方法来对数据分类。聚类后给每个数据分配1，2或者3其中的一个标签，回顾在混合三个高斯函数时的顺序，对于1000个样本数据，是否对应前300个属于1号组件，正确标签应该为1，中间500个属于2号组件，正确标签应该为2，最后200个属于3号组件，正确标签应该为3，查看聚类后得到分类标签的准确率。

02、实例分析参考解决方案

数据生成MATLAB/Octave参考代码：

mu1=[-1];
mu2=[0];
mu3=[3];
sigma1=[2.25];
sigma2=[1];
sigma3=[.25];

每个高斯组件函数分配不同的权重，其中1号组件权重为30%, 2号组件权重为50%，3号组件权重为20%，随机生成1000个样本数据，MATLAB代码如下所示：

weight1=[.3];
weight2=[.5];
weight3=[.2];
component_1=mvnrnd(mu1,sigma1,300);
component_2=mvnrnd(mu2,sigma2,500);
component_3=mvnrnd(mu3,sigma3,200);
X=[component_1;component_2;component_3];

三个一元高斯函数显示在二维坐标中，MATLAB代码如下所示：

gd1=exp(-0.5*((component_1-mu1)/sigma1).^2)/(sigma1*sqrt(2*pi));
gd2=exp(-0.5*((component_2-mu2)/sigma2).^2)/(sigma2*sqrt(2*pi));
gd3=exp(-0.5*((component_3-mu3)/sigma3).^2)/(sigma3*sqrt(2*pi));
figure;
plot(component_1,gd1,'.');hold on;
plot(component_2,gd2,'.');hold on;
plot(component_3,gd3,'.');
title('Bell cureves of three components');
xlabel('Randomly produced numbers');ylabel('Gauss distribution');

运行以上代码后，可看到三个组件函数的钟形图如图1所示。

▍图1 三个一元高斯函数的钟形图

三个组件按照权重比率混合，MATLAB代码如下所示：

gm1=gmdistribution.fit(X,3);
a=pdf(gm1,X);
figure;plot(X,a,'.');
title('Curve of Gaussian mixture distribution');
xlabel('Randomly produced numbers');
ylabel('Gauss distribution');

运行以上代码，获得三个组件混合后的图形如图2所示。

▍图2 三个一元高斯函数混合后的图形

为了找到混合后的数据属于哪一个组件，可以采用聚类的方法来对数据分类，MATLAB实现代码如下：

idx=cluster(gm1,X);

聚类后给每个数据分配1，2或者3其中的一个标签，回顾在混合三个高斯函数时的顺序，对于1000个样本数据，前300个属于1号组件，正确标签应该为1，中间500个属于2号组件，正确标签应该为2，最后200个属于3号组件，正确标签应该为3，聚类结果后得到分类标签的准确率可以采用如下代码来查看：

figure;
hold on;
for i=1:1000
ifidx(i)==1
plot(X(i),0,'r*');
elseifidx(i)==2
plot(X(i),0,'b+');
else
plot(X(i),0,'go');
    end
end
title('Plot illustrating the cluster assignment');
xlabel('Randomly produced numbers');
ylim([-0.1 0.1]);

03、运行结果

运行代码聚类结果如图3所示，可以看出，绝大部分的数据被分配到正确的标签，也存在少数错误分类。

▍图3 高斯混合模型聚类结果分析

04、代码

https://www.jianguoyun.com/p/Ddr2dTYQ9of0Chiko_4EIAA

05、文末送书

内容简介

Web3正频繁出现在公众视野中，然而受阻于晦涩难懂的技术原理及陌生又拗口的专业术语，很多人对此望而却步。本书试图用通俗的语言、简单的结构、翔实的案例让零基础的读者迅速掌握Web3的核心要义。

Web3不仅仅是技术和金融语境，它和每个人的生活都息息相关。作为深耕Web3的研究机构，Inverse DAO将带你通过纵向时间线、横向技术线来立体、客观、完整地理解Web3。通过本书你既可以快速读懂行业，也可以躬身实践参与。

希望本书可以抛砖引玉，启迪你的智慧之光，发现Web3更多、更广、更深的奥秘，助你在新的科技浪潮下，无往而不胜。

作者简介

Anymose，中国人民大学传播学硕士，Inverse DAO（Web3投资研究机构）发起人，曾供职知名风险资本分析师，具有丰富的Web3理论研究、项目投资、运营实践经验，帮助Qredo、Fetch、Gitcoin等诸多项目进行新一代信息化建设。

参与方式：文章三连并评论“珍爱生命，远离加班”，参与抽奖，送出2本技术图书《从零开始读懂Web3》，24小时后，公布抽奖结果！