Model Gaussian de Mescla Robusta
El Model Gaussian de Mescla Robusta (Robust Gaussian Mixture Model) substitueix els components Gaussian de l'estàndard per distribucions de cues més pesades —més comunament distribucions t de Student— o bé incorpora el retallament (trimming) i la ponderació decreixent (down-weighting) dels valors atípics (outliers) dins del marc de l'algorisme EM. El resultat és un mètode probabilístic de segmentació (clustering) i estimació de densitat que assigna menys influència als punts genuïnament anòmals en els paràmetres dels components, evitant que els valors atípics distorsionin les formes o posicions dels clústers.
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
- Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. DOI: 10.1023/A:1008981510081 ↗
- Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0-470-01092-1
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/ca/machine-learning/robust-gaussian-mixture-model
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.
- Isolation ForestAprenentatge automàtic↔ compare
- Agrupació K-meansAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- k-means robustAprenentatge automàtic↔ compare
- Regressió Lineal RobustaAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →