小编Ben*_*hty的帖子

我有兴趣将 2 分量高斯混合模型拟合到下面所示的数据。然而，由于我在这里绘制的是标准化为 0-1 之间的对数转换计数，因此我的数据将采用的最大值为 0。当我尝试使用 sklearn.mixture.GaussianMixture （下面的代码）进行简单拟合时，我得到最终的拟合结果，这显然不是我想要的。

from sklearn.mixture import GaussianMixture
import numpy as np

# start with some count data in (0,1]
logged_counts = np.log(counts)
model = GaussianMixture(2).fit(logged_counts.reshape(-1,1))

# plot resulting fit
x_range = np.linspace(np.min(logged_counts), 0, 1000)
pdf = np.exp(model.score_samples(x_range.reshape(-1, 1)))
responsibilities = model.predict_proba(x_range.reshape(-1, 1))
pdf_individual = responsibilities * pdf[:, np.newaxis]

plt.hist(logged_counts, bins='auto', density=True, histtype='stepfilled', alpha=0.5)
plt.plot(x_range, pdf, '-k', label='Mixture')
plt.plot(x_range, pdf_individual, '--k', label='Components')
plt.legend()
plt.show()

如果我能将顶部分量的均值固定为 0 并且只优化其他均值、两个方差和混合分数，我会很高兴。（此外，我希望能够对右侧的组件使用半法线。）是否有一种简单的方法可以使用 python/sklearn 中的内置函数来执行此操作，或者我必须使用自己构建该模型某种概率编程语言？