基于分布的聚类
wangzf / 2022-11-22
高斯混合聚类
算法介绍
高斯混合聚类(Mixture-of-Gaussian)采用概率模型来表达聚类原型.
(多元)高斯分布
对 $n$ 维样本空间 $\mathcal{X}$ 中的随机向量 $x$, 若 $x$ 服从(多元)高斯分布, 其概率密度函数为:
$$p(x| \mu, \Sigma)=\frac{1}{(2\pi)^{\frac{n}{2}}|\Sigma|^{\frac{1}{2}}} e^{ - \frac{1}{2} (x-\mu)^{T} \Sigma^{-1} (x-\mu)}$$
其中: $\mu$ 是 $n$ 维均值向量, $\Sigma$ 是 $n \times n$ 协方差矩阵.
(多元)高斯混合分布
对 $n$ 维样本空间 $\mathcal{X}$ 中的随机向量 $x$, 若 $x$ 服从(多元)高斯混合分布, 其概率密度函数为:
$$p_{\mathcal{M}}(x)=\sum_{i=1}^{k}\alpha_{i} \cdot p(x| \mu_{i}, \Sigma_{i})$$
该分布由 $k$ 个混合成分组成, 每个成分对应一个(多元)高斯分布,
其中: $\mu_{i}$, $\Sigma_{i}$ 是第 $i$ 个高斯混合成分的参数,
而 $\alpha_{i}$ 为相应的"混合系数"(mixture coeffcient),
$\sum_{i=1}^{k}\alpha_{i}=1$.
样本集的生成模型
假设样本集 $D=\{x_{1}, x_{2}, \ldots, x_{n}\}$ 的生成过程有高斯混合分布给出:
- 首先: 根据
$\alpha_{1}, \alpha_{2}, \ldots,\alpha_{k}$定义的先验分布选择高斯混合成分, 其中$\alpha_{i}$为选择第$i$个混合成分的概率; - 然后: 根据被选择的混合成分的概率密度函数进行采样, 生成相应的样本.
令随机变量 $z_{j} \in \{1, 2, \ldots,k\}$ 表示生成样本 $x_{j}$ 的高斯混合成分, 其取值未知.
$z_{j}$ 的先验概率:
$$P(z_{j}=i)=\alpha_{i} \quad (i=1, 2, \ldots,k)$$.
由 Bayesian 定理得 $z_{j}$ 的后验分布为:
$$\begin{align*}
P_{\mathcal{M}}(z_{j}=i|x_{j}) &=\frac{P(z_{j}=i) \cdot p_{\mathcal{M}}(x_{j}|z_{j}=i)}{p_{\mathcal{M}}(x_{j})}\
&=\frac{\alpha_{i}\cdot p(x_{j}|\mu_{i},\Sigma_{i})}{\sum^{k}_{l=1}\alpha_{l}\cdot p(x_{j}|\mu_{l},\Sigma_{l})}
\end{align*}$$
$P_{\mathcal{M}}(z_{j}=i|x_{j})$ 给出了样本 $x_{j}$ 由第 $i$ 个高斯混合成分生成的后验概率, 记:
$$\gamma_{ji}=P_{\mathcal{M}}(z_{j}=i|x_{j}) \quad (i=1, 2, \ldots,k)$$
高斯混合聚类策略
- 若(多元)高斯混合分布
$p_{\mathcal{M}}(x)$已知, 高斯混合聚类将把样本集$D$划分为$k$个簇
$$C={C_{1}, C_{2}, \ldots,C_{k}}$$
每个样本 $x_{j}$ 的簇标记 $\lambda_{j}$ 为:
$$\lambda_{j}=arg \underset{i \in {1, 2, \ldots,k}}{max}\gamma_{ji}$$
- (多元)高斯混合分布
$p_{\mathcal{M}}(x)$参数$\{(\alpha_{i},\mu_{i}, \Sigma_{i})|1 \leqslant i \leqslant k\}$的求解采用极大似然估计(MLE):
给定样本集 $D$, 最大化(对数)似然函数:
$$\begin{align*} LL(D)&=ln\Big(\prod^{n}_{j=1}p_{\mathcal{M}}(x_{j})\Big)\\ &=\sum^{n}_{j=1}\Big(\sum^{k}_{i=1}\alpha_{i}\cdot p(x_{j}|\mu_{i}, \Sigma_{i})\Big) \end{align*}$$
MLE 解为:
$$\mu_{i}=\frac{\sum^{n}_{j=1}\gamma_{ji}x_{j}}{\sum^{n}_{j=1}\gamma_{ji}}$$
$$\Sigma_{i}=\frac{\sum^{n}_{j=1}\gamma_{ji}(x_{j}-\mu_{i})(x_{j}-\mu_{i})^{T}}{\sum^{n}_{j=1}\gamma_{ji}}$$
$$\alpha_{i}=\frac{1}{n}\sum^{n}_{j=1}\gamma_{ji}$$
算法
输入:
样本集:
$D=\{x_{1}, x_{2}, \ldots, x_{n}\}$;高斯混合成分个数
$k$.过程:
- 初始化高斯混合分布的模型参数 :
$\{(\alpha_{i},\mu_{i}, \Sigma_{i})|1 \leqslant i \leqslant k\}$- repeat
- for
$j=1, 2, \ldots, n$do- 根据()计算
$x_{j}$由各混合成分生成的后验概率, 即$\gamma_{ji}=p_{\mathcal{M}}(z_{j}=i|x_{j})(1 \leqslant i \leqslant k)$- end for
- for
$i=1, 2, \ldots, k$do- 计算新均值向量:
$\mu_{i}'=\frac{\sum^{n}_{j=1}\gamma_{ji}x_{j}}{\sum^{n}_{j=1}\gamma_{ji}}$;- 计算新协方差矩阵:
$\Sigma_{i}'=\frac{\sum^{n}_{j=1}\gamma_{ji}(x_{j}-\mu_{i}')(x_{j}-\mu_{i}')^{T}}{\sum^{n}_{j=1}\gamma_{ji}}$;- 计算新混合系数:
$\alpha_{i}'=\frac{\sum^{n}_{j=1}\gamma_{ji}}{n}$;- end for
- 将模型参数
$\{(\alpha_{i},\mu_{i}, \Sigma_{i})|1 \leqslant i \leqslant k\}$更新为$\{(\alpha_{i}',\mu_{i}', \Sigma_{i}')|1 \leqslant i \leqslant k\}$- until 满足停止条
$C_{i}=\emptyset (1 \leqslant i \leqslant k)$- for
$j=1, 2, \ldots, n$do- 根据()确定
$x_{j}$的簇标记$\lambda_{j}$;- 将
$x_{j}$划入相应的簇:$C_{\lambda_{j}}=C_{\lambda_{j}} \cup \{x_{j}\}$- end for
输出:
簇划分
$C=\{C_{1}, C_{2}, \ldots, C_{k}\}$