Python绘制高斯混合模型(GMM)聚类椭圆图代码参数错误咨询

1 现有代码的核心错误点 #

• 构造精度矩阵数组的语法错误：Covs = np.array(inv_cov1,inv_cov2) 不符合numpy数组构造规则，np.array()第一个参数为待转换的数组序列，你需要将两个精度矩阵放在列表中作为入参，否则第二个参数会被识别为dtype参数引发类型报错。
• 补充注意：precisions_init 接收的是精度矩阵（协方差矩阵的逆），如果你代码中的inv_cov1、inv_cov2本身就是提前计算好的精度矩阵可直接使用，若你实际持有的是协方差矩阵，需要先通过np.linalg.inv()求逆后再传入。

2 修正后的可运行代码 #

from sklearn.mixture import GaussianMixture
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Ellipse

# 样本数据
X = np.array([[2, 4], [-1, -4], [-1, 2], [4, 0]])

# 精度矩阵（协方差的逆）
inv_cov1= [[1,0],[0,1]]
inv_cov2= [[0.5,0],[0,0.5]]

weights = np.array([0.7,0.3])
means = np.array([[2, 4], [-1, -4]])
# 修正：将两个精度矩阵放入列表再构造numpy数组
Covs = np.array([inv_cov1, inv_cov2])

# 初始化高斯混合模型
gm = GaussianMixture(n_components=2, random_state=0, reg_covar=0,
                     weights_init=weights, means_init=means,
                     precisions_init=Covs).fit(X)

3 绘制聚类簇及高斯椭圆的代码 #

def draw_ellipse(position, covariance, ax=None, **kwargs):
    ax = ax or plt.gca()
    
    # 协方差矩阵分解得到轴方向和长度
    if covariance.shape == (2, 2):
        U, s, Vt = np.linalg.svd(covariance)
        angle = np.degrees(np.arctan2(U[1, 0], U[0, 0]))
        width, height = 2 * np.sqrt(s)
    else:
        angle = 0
        width, height = 2 * np.sqrt(covariance)
    
    # 绘制3σ范围的椭圆
    for nsig in range(1, 4):
        ax.add_patch(Ellipse(position, nsig * width, nsig * height,
                             angle, **kwargs))

# 绘制散点和椭圆
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], c=gm.predict(X), s=50, cmap='viridis')

w_factor = 0.2 / gm.weights_.max()
for pos, covar, w in zip(gm.means_, gm.covariances_, gm.weights_):
    draw_ellipse(pos, covar, alpha=w * w_factor)

plt.xlabel('x')
plt.ylabel('y')
plt.title('GMM Clustering Result with Gaussian Ellipses')
plt.show()

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