如何将高斯混合模型（GMM）的样本概率转换为合理百分比？

首先得明确：你用score_samples得到的不是概率，而是对数概率密度。概率密度和概率是两回事——概率是某个区间内的面积/体积，而密度是概率除以区间体积。在高维空间中，哪怕概率很小，只要对应的“体积”极小，密度值就可能远大于1，这完全是正常现象。

如果你想得到有意义的百分比，核心是要计算相对拟合程度，因为绝对密度值没法直接转换成0-1的概率（高维空间的积分几乎无法计算）。这里有两种实用的处理方式：

方法1：用Softmax处理对数似然（推荐，数值更稳定） #

Softmax可以把对数似然值转换成和为1的相对概率，避免直接指数化带来的数值溢出问题：

import numpy as np
from sklearn.mixture import GaussianMixture

# 训练GMM
gm = GaussianMixture(n_components=11, random_state=0).fit(train_data)
# 获取测试样本的对数似然
loglike_test = gm.score_samples(test_data)

# 用softmax计算相对概率（先减去最大值防止数值溢出）
loglike_shifted = loglike_test - loglike_test.max()
relative_probs = np.exp(loglike_shifted) / np.sum(np.exp(loglike_shifted))
# 转换为百分比
percentages = relative_probs * 100

方法2：直接归一化概率密度值 #

如果你的数据没有严重的数值溢出问题，也可以直接对指数化后的密度值做归一化：

probs = np.exp(loglike_test)
# 归一化到0-1区间，再转百分比
normalized_probs = probs / probs.sum()
percentages = normalized_probs * 100

额外说明 #

• 上述两种方法得到的百分比，代表的是该样本在所有测试样本中，与GMM拟合程度的相对占比——数值越高，说明这个样本越符合你训练的GMM分布。
• 如果你想知道的是样本属于GMM中某个组件的概率，应该用gm.predict_proba(test_data)，这个方法返回的是每个样本属于各个组件的后验概率（每个样本的概率和为1，范围0-1），但这和“样本整体被GMM拟合的概率”不是同一个概念。

内容的提问来源于stack exchange，提问作者curious_cosmo