我很困惑。我按照以下MATLAB代码测试了一个程序:

feature_train=[1 1 2 1.2 1 1 700 709 708 699 678]; No_of_Clusters = 2;No_of_Iterations = 10;[m,v,w]=gaussmix(feature_train,[],No_of_Iterations,No_of_Clusters);feature_ubm=[1000 1001 1002 1002 1000 1060 70 79 78 99 78 23 32 33 23 22 30]; No_of_Clusters = 3;No_of_Iterations = 10;[mubm,vubm,wubm]=gaussmix(feature_ubm,[],No_of_Iterations,No_of_Clusters);feature_test=[2 2 2.2 3 1 600 650 750 800 658];[lp_train,rp,kh,kp]=gaussmixp(feature_test,m,v,w);  [lp_ubm,rp,kh,kp]=gaussmixp(feature_test,mubm,vubm,wubm);  

然而，结果让我感到困惑，因为feature_test必须被分类到feature_train而不是feature_ubm中。正如你所看到的，feature_ubm的概率竟然比feature_train高！？！谁能帮我解释一下这是什么问题？这个问题是否与MATLAB中的gaussmip和gaussmix函数有关？

sum(lp_ubm)

ans =

-3.4108e+06

sum(lp_train)

ans =

-1.8658e+05

回答：

正如你所看到的，feature_ubm的概率竟然比feature_train高！？！

你看到的恰恰相反，尽管ubm的绝对值很大，但你考虑的是负数，并且

 sum(lp_train) > sum(lp_ubm)

因此

 P(test|train) > P(test|ubm)

所以你的测试数据被正确地分类为train，而不是ubm。