python – numpy：通过广播摆脱for循环

发布时间：2020-12-20 13:16:04 所属栏目：Python 来源：网络整理

导读：我试图在 python中实现高斯混合模型的期望最大化算法. 鉴于高斯分布的平均μ和协方差sigma,我有跟随线来计算我的数据X的高斯概率p： for i in range(len(X[0])): p[i] = scipy.stats.multivariate_normal.pdf(X[:,i],mu,sigma) 我想知道我是否能以某种方式摆

我试图在 python中实现高斯混合模型的期望最大化算法.

鉴于高斯分布的平均μ和协方差sigma,我有跟随线来计算我的数据X的高斯概率p：

for i in range(len(X[0])):  
   p[i] = scipy.stats.multivariate_normal.pdf(X[:,i],mu,sigma)

我想知道我是否能以某种方式摆脱for循环来获得类似的东西

p[:] = scipy.stats.multivariate_normal.pdf(X[:,:]??)

我做了一些关于广播的研究,并考虑使用numpy.einsum函数,但无法弄清楚它在这种情况下是如何工作的.

解决方法

展平,使用pdf调用并重新塑造 –

from scipy import stats

out = stats.multivariate_normal.pdf(X.ravel(),sigma).reshape(-1,len(X[0])).T

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!