python aic准则_在Python中手工计算Akaike信息标准(AIC)

python aic准则_在Python中手工计算Akaike信息标准(AIC)据我所知,Python中没有AIC包。因此,我试图手动计算它,以找到数据集中的最佳集群数(我使用K-均值进行集群)我遵循Wiki上的公式:AIC=2k-2ln(最大可能性)以下是我当前的代码:range_n_clusters=range(2,10)forn_clustersinrange_n_clusters:model=cluster.KMeans(n_clusters=n_cl…

大家好,又见面了,我是你们的朋友全栈君。

据我所知,Python中没有AIC包。因此,我试图手动计算它,以找到数据集中的最佳集群数(我使用K-均值进行集群)

我遵循Wiki上的公式:

AIC=2k-2ln(最大可能性)

以下是我当前的代码:range_n_clusters = range(2, 10)

for n_clusters in range_n_clusters:

model = cluster.KMeans(n_clusters=n_clusters, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001,

precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=1)

model.fit(X)

centers = model.cluster_centers_

labels = model.labels_

likelihood = ?????

aic = 2 * len(X.columns) – 2 * likelihood

print(aic)

关于如何计算似然值的任何提示?

//更新时间:

使用高斯混合模型计算AIC:

python aic准则_在Python中手工计算Akaike信息标准(AIC)

它不是应该看起来像一条曲线吗?(而不是直线)

我的绘图代码:def aic(X):

range_n_clusters = range(2, 10)

aic_list = []

for n_clusters in range_n_clusters:

model = mixture.GaussianMixture(n_components=n_clusters, init_params=’kmeans’)

model.fit(X)

aic_list.append(model.aic(X))

plt.plot(range_n_clusters, aic_list, marker=’o’)

plt.show()

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/142544.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号