靠谱人生茶话会 » 讨论
第一次Bangumi虚拟角色人口普查

你这百分比认真的吗

1,3,5,7,

胸围的大胸高斯分布显然variation太大，不合理。而且看IC在3那已经骤降了。不如加一个对variation的regularization（就是小variation的prior）重新分析一下。

据我所知，在不overfit的前提下，IC不是越低越好么，正是骤降才说明多峰分布的存在吧。例如腰、臀围，IC在n=8-9的时候才降（此时已经失去了可解释性），就是明显的单峰。
至于variation的问题，这已经是数据清理+去除异常值后的结果了。对贫乳来说，胸围最小一般也就50-60，受生理限制不能更小了。相比之下巨乳角色的数据更加放飞自我，标准差也比较高。

胸围感觉single Gaussian就够了。臀围有微小skew的可以用skew Gaussian, 也是single.

IC的数值方向是我记错了。不过还是觉得应该能得到更好的结果。数据和模型的方向都可以尝试。

数据上我猜超大胸围有一部分abnormality，所以用更多个峰IC还在继续降，我看那些更多的峰都是用来fit更右边更大胸围的abnormality的。同样，3峰的时候大胸分布的方差大也是因为想要fit右边的数据。我觉得简单的处理可以滤出女性数据看看，如果大胸分布的variation变小了，说明我的猜测是对的。另外可能男性数据不是多峰的，使得总体的3峰分布变得不那么漂亮。

模型上，我觉得除了小variation的prior （可以直接用GMM的precisions_init参数设置），还可以加上峰之间尽量要远离的限制：把峰值（即高斯均值）列成一个vector *归一化*后，算和全1 vector之间的距离，把这个距离的负值加入loss作为regularization。（不过这样就不能直接调GMM包了，可能有更好的办法

顺带一提我之前模拟打分测出来你站如果完全按照平均分+1-1打分，得出的标准差为1.59-1.6小数点后第二位波动。