Model de barreges Gaussianes
Un Model de barreges Gaussianes (Gaussian Mixture Model, GMM) és un mètode probabilístic de clustering que modela les dades com una barreja ponderada de diverses distribucions Gaussianes, ajustada amb l'algorisme Expectation–Maximization (EM) formalitzat per Dempster, Laird & Rubin el 1977. És una generalització de K-means en la qual cada clúster pot tenir la seva pròpia forma, mida i orientació.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Dempster, A.P., Laird, N.M. & Rubin, D.B. (1977). Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–22. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/ca/machine-learning/gaussian-mixture
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DBSCANAprenentatge automàtic↔ compare
- Agrupació jeràrquicaAprenentatge automàtic↔ compare
- Anàlisi de Components PrincipalsAprenentatge automàtic↔ compare
- UMAPAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →