पायथन में गौसियन मिक्सचर मॉडल (जीएमएम) के साथ काम करने के लिए कई विकल्प उपलब्ध हैं। पहली नज़र में कम से कम हैं:
- मिश्रण मॉडलिंग के लिए PyMix - http://www.pymix.org/pymix/index.php टूल
- PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ जो स्किप टूलबॉक्स का हिस्सा है और GMMs फ़ोकस पर ध्यान केंद्रित करता है : जिसे अब sklearn.mixture के नाम से जाना जाता है ।
- PyPR - http://pypr.sourceforge.net/ पैटर्न मान्यता और GMM सहित संबंधित उपकरण
... और शायद अन्य। वे सभी GMM के लिए सबसे बुनियादी जरूरतें प्रदान करते प्रतीत होते हैं, जिसमें बनाना और नमूना करना, पैरामीटर अनुमान, क्लस्टरिंग आदि शामिल हैं।
उनके बीच क्या अंतर है, और किसी को कैसे निर्धारित करना चाहिए जो किसी विशेष आवश्यकता के लिए सबसे उपयुक्त है?
आप GMM का उपयोग करके छवि संपीड़न के एक बहुत ही सरल संस्करण की रूपरेखा तैयार कर सकते हैं। पिक्सेल को अलग-अलग संभावनाओं को निर्दिष्ट करने के लिए एक GMM का उपयोग करने को देखते हुए और फिर उस विशेष Gaussian के लिए सूचकांकों के रूप में संभावनाओं का उपयोग करके छवि को फिर से बनाएँ कि एक विशेष पिक्सेल से सबसे अधिक संभावना थी।
—
फिलिप बादल
@cpcloud - क्या आपका मतलब है: तुलनात्मक बिंदु के रूप में इनमें से प्रत्येक पैकेज में निष्पादित करने के लिए एक सरलीकृत प्रयोग सेट करें? ठीक है, ठीक है, लेकिन यह कोई छोटा प्रयास नहीं है। मैं उन लोगों से कुछ इनपुट की उम्मीद कर रहा हूं जिन्होंने इन पैकेजों का उपयोग किया है।
—
अमन
स्किकिट-लर्न एक लोकप्रिय मशीन लर्निंग लाइब्रेरी है जिसमें कुछ जीएमएम सपोर्ट भी है। मुझे यकीन नहीं है कि यह आपकी आवश्यकताओं पर फिट बैठता है, लेकिन इसमें अन्य शिक्षण एल्गोरिदम और फ्रेमवर्क (जैसे क्रॉस-मान्यता, मॉडल रचना) होने का लाभ है।
—
बिटवाइज
PyPR और PyEM केवल Python 2 के लिए उपलब्ध हैं, और अब सक्रिय विकास के अंतर्गत नहीं लगता है। PyMix सबसे अच्छा विकल्प की तरह दिखता है।
—
जोश मिल्थोरपे