ดูเหมือนจะมีหลายตัวเลือกสำหรับการทำงานกับ Gaussian Mixture Models (GMMs) ใน Python ได้อย่างรวดเร็วก่อนมีอย่างน้อย:
- PyMix - http://www.pymix.org/pymix/index.phpเครื่องมือสำหรับการสร้างแบบจำลองการผสม
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ซึ่งเป็นส่วนหนึ่งของกล่อง SciPy และดูเหมือนว่าจะมุ่งเน้นไปที่ GMMs ปรับปรุง: ตอนนี้รู้จักกันในนาม sklearn.mixture
- PyPR - http://pypr.sourceforge.net/การจดจำรูปแบบและเครื่องมือที่เกี่ยวข้องรวมถึง GMM
... และบางทีคนอื่น ๆ พวกเขาดูเหมือนจะให้ความต้องการขั้นพื้นฐานที่สุดสำหรับ GMMs รวมถึงการสร้างและการสุ่มตัวอย่างการประมาณค่าพารามิเตอร์การจัดกลุ่มและอื่น ๆ
ความแตกต่างระหว่างพวกเขาคืออะไรและคนเราควรพิจารณาว่าอะไรเหมาะสมที่สุดสำหรับความต้องการเฉพาะ
คุณสามารถลองทำการบีบอัดรูปภาพในรูปแบบที่ง่ายมากโดยใช้ GMM เมื่อใช้รูปภาพให้ใช้ GMM เพื่อกำหนดความน่าจะเป็นของพิกเซลที่แตกต่างกันแล้วสร้างภาพใหม่โดยใช้ความน่าจะเป็นเป็นดัชนีสำหรับ Gaussian ที่เฉพาะเจาะจงซึ่งพิกเซลนั้นน่าจะมาจาก
—
Phillip Cloud
@cpcloud - คุณหมายถึง: ตั้งค่าการทดสอบที่ง่ายขึ้นเพื่อดำเนินการในแต่ละแพ็คเกจเหล่านี้เพื่อเป็นจุดเปรียบเทียบ โอเค แต่นั่นไม่ใช่ความพยายามเล็กน้อย ฉันหวังว่าจะได้รับข้อมูลจากผู้ใช้แพ็คเกจเหล่านี้
—
อามาน
Scikit-learn เป็นห้องสมุดการเรียนรู้ของเครื่องที่เป็นที่นิยมซึ่งมีการสนับสนุน GMM ฉันไม่แน่ใจว่ามันเหมาะกับความต้องการของคุณ แต่มีประโยชน์ในการมีอัลกอริธึมการเรียนรู้และกรอบงานอื่น ๆ (เช่นการตรวจสอบความถูกต้องข้ามองค์ประกอบของแบบจำลอง)
—
Bitwise
PyPR และ PyEM นั้นพร้อมใช้งานสำหรับ Python 2 เท่านั้นและดูเหมือนว่าจะไม่ได้รับการพัฒนาอย่างต่อเนื่อง PyMix ดูเหมือนจะเป็นตัวเลือกที่ดีที่สุด
—
Josh Milthorpe