python – numpy：通过广播摆脱for循环

概述我试图在 python中实现高斯混合模型的期望最大化算法. 鉴于高斯分布的平均μ和协方差sigma,我有跟随线来计算我的数据X的高斯概率p： for i in range(len(X[0])): p[i] = scipy.stats.multivariate_normal.pdf(X[:,i],mu,sigma) 我想知道我是否能以某种方式摆脱for循环来获得类似的东西 p[:] = s 我试图在 python中实现高斯混合模型的期望最大化算法.

鉴于高斯分布的平均μ和协方差sigma,我有跟随线来计算我的数据X的高斯概率p：

for i in range(len(X[0])):     p[i] = scipy.stats.multivariate_normal.pdf(X[:,i],mu,sigma)

我想知道我是否能以某种方式摆脱for循环来获得类似的东西

p[:] = scipy.stats.multivariate_normal.pdf(X[:,:]??)

我做了一些关于广播的研究,并考虑使用numpy.einsum函数,但无法弄清楚它在这种情况下是如何工作的.

解决方法 展平,使用pdf调用并重新塑造 –

from scipy import statsout = stats.multivariate_normal.pdf(X.ravel(),sigma).reshape(-1,len(X[0])).T

总结

以上是内存溢出为你收集整理的python – numpy：通过广播摆脱for循环全部内容，希望文章能够帮你解决python – numpy：通过广播摆脱for循环所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。