Gaussovský směsný model
Gaussovský směsný model je pravděpodobnostní shlukovací metoda, která modeluje data jako vážený součet několika Gaussových rozdělení, přizpůsobený pomocí algoritmu Expectation–Maximization formalizovaného Dempsterem, Lairem a Rubinem v roce 1977. Jedná se o zobecnění K-means, kde každý shluk může mít svůj vlastní tvar, velikost a orientaci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/cs/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.
- DBSCANStrojové učení↔ compare
- Hierarchické shlukováníStrojové učení↔ compare
- Analýza hlavních komponentStrojové učení↔ compare
- UMAPStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →