Regularizovaný Gaussovský Směsný Model
Regularizovaný Gaussovský Směsný Model (GMM) přidává malou kladnou konstantu k diagonále každé kovarianční matice komponenty během algoritmu Expectation-Maximization, čímž předchází singulárním nebo téměř singulárním maticím, které způsobují numerické selhání, když jsou data řídká, vícerozměrná nebo obsahují téměř duplicitní pozorování.
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
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/cs/machine-learning/regularized-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.
- Bayesian Gaussian Mixture ModelStrojové učení↔ compare
- K-means ShlukováníStrojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Regularizované shlukování k-středůStrojové učení↔ compare
- Regularizovaný k-nejbližší sousedéStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →