Как и в модели ScikitLearn GaussianMixture, reg_covar=1e-06 добавляет неотрицательную регуляризацию к диагонали ковариации, что обеспечивает положительно определенную матрицу ковариации.
sklearn.mixture.GaussianMixture(n_components=1, *, covariance_type='full', tol=0.001, reg_covar=1e-06, max_iter=100, n_init=1, init_params='kmeans', weights_init=None, means_init=None, precisions_init=None, random_state=None, warm_start=False, verbose=0, verbose_interval=10)[source]
Как установить такое ограничение, чтобы получить положительно определенные ковариационные матрицы в многомерном распределении граната по Гауссу.
from sklearn import datasets
iris = datasets.load_iris()
import pomegranate
pomegranate.gmm.GeneralMixtureModel.from_samples(pomegranate.MultivariateGaussianDistribution, n_components=3, X=iris.data)
Спасибо за ваше драгоценное время.