# randomgm
来自高斯混合分布的随机变量
函数库: TyMachineLearning
# 语法
x, y = randomgm(fgm, n)
# 说明
fgm = randomgm(X)randomgm从拟合的高斯分布生成随机样本。
# 示例
将高斯混合模型拟合到数据
加载鸢尾花数据集。
using TyMachineLearning
using CSV
using DataFrames
fgdata_x, fgdata_y1 = get_irsdata()
可视化原始数据集分布情况。
fgm = TyMachineLearning.fitgmdist(fgdata_x; n_components=3)
x, y = TyMachineLearning.randomgm(fgm, 100)
([6.678735494041527 3.000573374632964 4.814815915161611 1.4328877717320676; 5.341555392164873 2.813306353813426 3.8710068471032386 1.2823662653195729; … ; 7.070676823106028 2.8894423697942413 5.791591101267821 2.021938941490948; 7.323059964441952 3.0203005814873767 5.960794241802381 1.8401087863736165], Int32[0, 0, 0, 0, 0, 0, 0, 0, 0, 0 … 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])
在CentOS中不会显示y的数据类型
# 输入参数
fgm - 拟合好的高斯混合模型
矩阵
用于高斯混合模型随机生成数据集。
数据类型: Matrix
n - 生成数据条数
数值
用于指定高斯混合模型生成数据集的条数。
数据类型: Int32
# 输出参数
X - 随机生成的符合高斯混合分布的数据矩阵
矩阵
随机生成的符合高斯混合分布的数据矩阵。
数据类型: Matrix
y - 对应标签
向量
对应标签
数据类型: Vector
# 另请参阅
clusterdata | kmeans | kmedoids | linkage | pdist