ガウス混合モデル（GMM）を操作するためのPythonパッケージ

PythonでGaussian Mixture Models（GMM）を操作するために使用できるオプションがいくつかあるようです。一見すると、少なくとも次のものがあります。

PyMix- http: //www.pymix.org/pymix/index.php 混合モデリングのツール
PyEM- http: //www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ は、Scipyツールボックスの一部であり、GMMの更新に焦点を当てているようです：sklearn.mixtureとして知られるようになりました 。
PyPR- http: //pypr.sourceforge.net/ パターン認識およびGMMを含む関連ツール

...そしておそらく他の人。それらはすべて、作成とサンプリング、パラメータ推定、クラスタリングなどを含む、GMMの最も基本的なニーズを提供するようです。

それらの違いは何ですか？また、特定のニーズに最適なものを判断するにはどうすればよいですか？

normal-distribution python mixture

— 男
ソース

GMMを使用して、非常に単純なバージョンの画像圧縮のプロファイリングを試すことができます。画像が与えられた場合、GMMを使用してピクセルに異なる確率を割り当て、特定のピクセルが最も発生する可能性が高い特定のガウスのインデックスとして確率を使用して画像を再作成します。

— フィリップクラウド

@cpcloud-つまり、これらの各パッケージで実行する単純化された実験を、比較のポイントとして設定しますか？さて、大丈夫ですが、それは少しの努力ではありません。これらのパッケージを使用したことがある人からの意見を期待しています。

— アマン

Scikit-learnは人気のある機械学習ライブラリであり、GMMもサポートしています。それがあなたのニーズに合っているかどうかはわかりませんが、他の学習アルゴリズムとフレームワーク（クロス検証、モデル構成など）があるという利点があります。

— ビット単位

PyPRとPyEMはPython 2でのみ利用でき、現在活発に開発されているようには見えません。PyMixは最良の選択のようです。

— ジョシュミルソープ16

どの方法が最適かを一般的に判断する方法はわかりませんが、アプリケーションの設定が十分にわかっている場合は、データをシミュレートして、これらのシミュレーションでパッケージを試すことができます。成功指標は、推定にかかる時間と、シミュレートされたグラウンドトゥルースの回復の品質です。

— ガエル・ヴァロクオー
ソース