适用于高斯混合模型（GMM）的Python软件包

在Python中使用高斯混合模型（GMM）似乎有几种选择。乍看之下至少有：

PyMix- http: //www.pymix.org/pymix/index.php 混合物建模工具
PyEM- http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/，它是Scipy工具箱的一部分，似乎专注于GMM 更新：现在称为sklearn.mixture 。
PyPR- http: //pypr.sourceforge.net/ 模式识别和相关工具，包括GMM

...甚至其他人。它们似乎都提供了GMM的最基本需求，包括创建和采样，参数估计，聚类等。

它们之间有什么区别，应该如何确定最适合特定需求的呢？

normal-distribution python mixture

— 阿曼
source

您可以尝试使用GMM对一个非常简单的图像压缩版本进行性能分析。给定图像，请使用GMM为像素分配不同的概率，然后通过将这些概率用作特定像素最有可能来自的特定高斯的索引来重新创建图像。

— 菲利普·乌劳德

@cpcloud-您的意思是：建立一个简化的实验以在每个软件包中执行，作为比较点？好吧，但是，这是不小的努力。我希望使用这些软件包的人能提供一些意见。

— 阿曼2012年

Scikit-learn是一个流行的机器学习库，也具有一些GMM支持。我不确定它是否适合您的需求，但具有其他学习算法和框架（例如，交叉验证，模型组成）的好处。

— 2013年

PyPR和PyEM仅适用于Python 2，并且似乎不再处于活跃的开发中。PyMix看起来是最佳选择。

— Josh Milthorpe '16

我一般不知道如何确定哪个是最好的，但是如果您知道应用程序设置足够好，则可以模拟数据并在这些模拟中试用软件包。成功指标可以是估算花费的时间以及模拟的地面真理的恢复质量。

— 盖尔·瓦罗夸（Gael Varoquaux）
source