Согласно документу, это должно работать. Но как ученик пакета scikit-learn. Я не понимаю, как это сделать. Все примеры кодов сгруппированы эллипсами или кружками как здесь.
Мне бы очень хотелось знать, как сгруппировать следующий график по разным шаблонам... 0-3 - это среднее значение мощности за определенные периоды времени (деленное на 4), а 4, 5, 6 каждый соответствует стандартному отклонению года, разница будний/выходной день, разница зима/лето. Так что ylabel не обязательно встречается с 4,5,6.
Следуя образцу..BIC действительно сгенерировал, что оптимальное количество кластеров равно 5.
n_components = np.arange(1, 21)
models = [GMM(n, covariance_type='full', random_state=0).fit(input)
for n in n_components]
plt.plot(n_comp, [m.bic(read) for m in models], label = 'BIC')
plt.legend(loc='best')
plt.xlabel('n_components')
Однако, если я рисую с доступным образцом кода... он возвращает что-то совершенно странное, которым не стоит делиться. Хотя отрицательный БИК был в порядке. Но я даже не знаю, правильно ли он сгруппирован, чтобы сделать вывод, что 5 является оптимальным числом.