Нанесите предполагаемые компоненты Гаусса из GMM на гистограмму

У меня есть одномерные данные, полученные из двух нормальных распределений. Моя цель - оценить две разные гауссовские составляющие.

plt.hist(my_data, bins=100, edgecolor= 'white' normed=False)

Мои данные

Я использую GMM (модель Gaussian Mixture).

clf = mixture.GaussianMixture(n_components=2)
clf.fit(my_data)

Я получаю свои два гауссиана.

mean_1 = clf.means_[0][0]
mean_2 = clf.means_[1][0]
std_1 = np.sqrt(clf.covariances_[0][0])[0]
std_2 = np.sqrt(clf.covariances_[1][0])[0]
weight_1 = weights[0]
weight_2 = weights[1]

Теперь к вопросу, я хотел бы наложить гистограмму с параметрами Гаусса, которые у меня есть выше. Я предполагаю, что сначала мне нужно нормализовать гистограмму, но как мне построить их так, чтобы площадь каждого гауссова веса была правильной, а общая площадь равнялась 1, и как мне наложить поверх ненормированной гистограммы?

xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 500)
y = norm.pdf(x, mean_1, std_1)
plt.plot(x,y)

y = norm.pdf(x, mean_2, std_2)
plt.plot(x,y)

Приведенный выше кодовый блок дает мне два нормированных графика Гаусса, но оба они имеют одинаковую площадь.


python scipy scikit-learn gaussian gmm
person Anab    schedule 31.01.2019    source источник
comment
можно добавить данные?   -  person seralouk    schedule 31.01.2019
comment
Вы можете опубликовать обновление, которое решило вашу проблему, в качестве ответа на этот вопрос.   -  person newkid    schedule 31.01.2019

Ответы (1)


arrow_upward
0
arrow_downward

ОБНОВЛЕНИЕ:

Я решил свою проблему, масштабируя каждый компонент по его весу, и чтобы наложить его на ненормированную гистограмму, я масштабировал его с учетом общей площади его ячеек.

val, bins, _ = plt.hist(my_data, bins=100,  edgecolor = 'white', 
               normed=False)

area = sum(np.diff(bins)*val)  +  sum(np.diff(bins)*val)

y = norm.pdf(x, mean_1, std_1)*weight_1*area
plt.plot(x,y)

y = norm.pdf(x, mean_2, std_2)*weight_2*area
plt.plot(x,y)
person Anab    schedule 31.01.2019