Sklearn Gaussian Mixture predict_proba：难以理解结果概率

Question

我们有两个二维的、可分离的簇，如下图所示：

在该数据集上运行 sklearns GMM：

import numpy as np
from sklearn.mixture import GaussianMixture

gm = GaussianMixture(n_components=2, random_state=42, n_init= 100, init_params='random_from_data').fit(simpleblobs)

它学习两个适合/对应于我们数据集的“质心”的高斯分布：

gm.means_

array([[11.70833308, 13.83333333],
       [29.52666641, 36.19      ]])

到目前为止，它似乎已经学会了应该学习的东西。

然而，如果我们添加一个大致位于两个集群之间之间的对象，事情就会变得有趣：

middle_guy = (25,25) 天真地我会期望这个中间人（那不是训练数据的一部分，它基本上是一个新样本）的概率大约是 [0.5,0.5]，表明它被分配到两个集群的概率大致相等，或同样低的概率。

然而，在调用（我认为是的）预期函数后我们得到的是：

gm.predict_proba([middle_guy])

array([[1.00000000e+00, 8.36394939e-66]])

这表明这个“中间”对象被分配到左下角的概率为 1，并且分配给右上角的概率接近于零。

此时我的问题是：为什么结果显示的结果与我预期的不同？我监督或误解了什么？

感谢您的帮助！