Включая зависимость от времени в модели гауссовой смеси / модель ожидания-максимизации?

Question

Я работаю над набором данных временного ряда, и поэтому при установке функции GaussianMixture() из пакета scikit-learn мне нужно сделать каждую функцию (временную метку) зависимой.Однако я не могу найти параметр для настройки ковариационной матрицы после изучения исходного кода.

С моим ограниченным знанием статистики мне любопытно, как я могу изменить ковариационную матрицу во время электронного этапа для включениязависимость от времени в модели GMM.Большое спасибо.

Вот исходный код: изменения, которые я хочу сделать, находятся в функции оценки_гасских_параметров () https://github.com/scikit-learn/scikit-learn/blob/7389dba/sklearn/mixture/gaussian_mixture.py#L435

Answer 1

С помощью darksky я узнал, что функция встроена с опцией ковариационной матрицы.Параметр covariance_type имеет 4 параметра: «полный» (каждый компонент имеет собственную общую ковариационную матрицу), «связанный» (все компоненты имеют одинаковую общую ковариационную матрицу), «diag» (каждый компонент имеет свой собственныйдиагональная ковариационная матрица), «сферический» (каждый компонент имеет свою собственную отдельную дисперсию).

В таком случае, в моем понимании, «сферический» используется для одномерного набора данных, «диаг» используется для наборов данных с несколькимивариант, но независимые особенности.Поэтому следует либо использовать «полный», либо «связанный», если они хотят прогнозировать многовариантные и зависимые признаки.