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! |