Мне поручено реализовать алгоритм максимизации ожидания для класса, в котором я учусь. В заметках мой профессор оценивал итерационные формулы, используемые в коде, я проверил их, и они написаны правильно.
Вопрос просит нас создать синтетические данные из данной модели. Эта модель записана в функции gauss_mix()
ниже. Однако мой окончательный результат не такой, каким он должен быть, и я не понимаю, почему.
import numpy as np
import pylab as plt
# Create a synthetic Dataset
def gauss_mix(x, pi1, mu1, mu2, sigma):
term1 = pi1 * np.exp(-(x - mu1)**2 / 2*sigma**2)
term2 = (1 - pi1) * np.exp(-(x - mu2)**2 / 2*sigma**2)
return np.array(term1 + term2)
# Now we define the initial parameters
# The format of the list is: (pi_1, mu_1, mu_2, sigma)
initial_params = [.3, 5, 15, 2]
rand_position = np.random.rand(1,10000)*30
synth_data = gauss_mix(rand_position[0], initial_params[0], initial_params[1], initial_params[2], initial_params[3])
Чтобы увидеть график, вы можете отсортировать значения rand_position[0]
перед вычислением gauss_mix
. Получается следующий график:
Двигаясь дальше, я определил пару функций для помощи в вычислениях.
# Defining a couple of useful functions
def gamma_1n_old(pi1_old, norm1, norm2):
# probability of observing the dataset based
# on the first gaussian. Formula given in the book
numerator = pi1_old * norm1
denominator = pi1_old * norm1 + (1-pi1_old) * norm2
return np.array(numerator / denominator)
def gamma_2n_old(pi1_old, norm1, norm2):
# probability of observing the dataset based
# on the second gaussian. Formula given in the book
numerator = (1-pi1_old) * norm2
denominator = pi1_old * norm1 + (1-pi1_old) * norm2
return np.array(numerator / denominator)
def normal(x, mu, sigma):
# Standard normal distribution equation
numerator = np.exp(-(np.array(x)-mu)**2 / (2*sigma**2))
denominator = np.sqrt(2*np.pi * sigma**2)
return np.array(numerator / denominator)
И я прохожу цикл здесь:
# now we can go through the EM loop
# start with a random set of parameters, the format of the list is: (pi_1, mu_1, mu_2, sigma)
rand = np.random.random(4) #
params = [rand[0], rand[1]*10, rand[2]*10, rand[3]*10]
# initialize empty gamma lists
gamma1 = []
gamma2 = []
# make a copy of the synthetic data and use that to loop over
data = plot_synth_data.copy()
data_plot = [] # to get plots for specific iterations
for iteration in range(50):
print(params)
# get values for Normal_1 and Normal_2
norm1 = normal(data, params[1], params[3])
norm2 = normal(data, params[2], params[3])
# print(norm1, norm2)
# calculate the observation probability based on the old paramters
gamma1_old = gamma_1n_old(params[0], norm1, norm2)
gamma2_old = gamma_2n_old(params[0], norm1, norm2)
# print(gamma1_old, gamma2_old)
# need to append these to a new list so we can sum them across the whole time range
gamma1.append(gamma1_old)
gamma2.append(gamma2_old)
# print(data)
# print(np.sum(gamma1), np.sum(gamma1*data))
# now to update the paramters for the next iteration
params[0] = np.sum(gamma1_old) / np.sum(gamma1_old + gamma2_old)
params[1] = np.sum(gamma1_old*data) / np.sum(gamma1_old)
params[2] = np.sum(gamma2_old*data) / np.sum(gamma2_old)
params[3] = np.sqrt(np.sum(gamma1_old * (data - params[1])**2) / np.sum(gamma1_old))
# Just for convinience, we can plot every 7th iteration to visually check how it's changing
if iteration % 7 == 0:
plot = gauss_mix(data, params[0], params[1], params[2], params[3])
data_plot.append(plot)
Вывод оператора print(params)
следующий: я пропустил некоторые строки, так как они не меняются при последовательных итерациях.
[0.1130842168240086, 3.401472765079545, 2.445209909135907, 2.3046528697572635]
[0.07054376684886957, 0.04341192273911035, 0.04067151364724695, 0.12585753071439582]
[0.07054303636195076, 0.04330910871714057, 0.040679319081395215, 0.12567545288855245]
[0.07054238762380395, 0.04321431848177363, 0.04068651514443456, 0.12550734898400692]
[0.07054180884360708, 0.043126645044752804, 0.04069317074867406, 0.125351664317294]
[0.07054129028636431, 0.04304531343415197, 0.040699344770810386, 0.12520706710362625]
Я не уверен, что делать с параметрами здесь. Для ясности индексы списка [pi_1, mu_1, mu_2, sigma]
. Мое первоначальное предположение состоит в том, что я неправильно использую данные в расчетах, хотя я не уверен, как еще я мог бы это сделать.
Любые советы или рекомендации приветствуются. Я не то чтобы ищу полное письменное решение, просто совет, в чем моя ошибка. Я буду следить за любыми вопросами, чтобы лучше прояснить мою проблему.