sklearn.mixture.BayesianGaussianMixtureを使用して一連の軌跡に合わせようとしています。sklearn BayesianGaussianMixture複数のデータポイントに基づくクラスタ割り当て
各軌道は、データポイントのセットからなる。 t_i
は、i番目の軌道と(x_ik, y_ik)
ある
t_i = {x_i1, y_i1, x_i2, y_i2, ... , x_iN, y_iN},
は、軌道上のk番目の点です。例えば、x_ikは、時間ステップkでロボットの状態を表すことができ、y_ikは、ロボットがとる動作を表すことができる。 各GPコンポーネントはx_ik - > y_ikのマッピングになります。それはsklearnを使用してGPを学ぶための非常に標準です。
しかし、以前にDirichlet Processでガウス混合モデルを学習するには、を追加するときにを決定する必要があります。
BayesianGaussianMixtureクラスは、単一のデータポイントに基づいてクラスターを割り当てるためのインターフェイスを提供します。つまり、新しいデータポイントが新しいクラスタに属しているかどうか。
私が興味を持っているのは、それぞれの軌跡に多くのデータポイントが含まれているかもしれない一連の軌道を与えることです。軌道に基づいてクラスタ割り当てを行う方法はありますか?すなわち、新しい軌道が与えられれば、それが新しいクラスタに属するか否かを決定する。
@MinChen少なくとも理論的な観点からは、それほど重要ではないと思います。実際には、各データポイントに個別のラベルを割り当てる手順が複雑になります。私はここでアドバイスをすることができません、それは問題自体に潜入する必要があります。 – CaptainTrunky
ありがとうございました。それは簡単な方法ではないようです。 –