Robustní Gaussovský Směsný Model
Robustní Gaussovský Směsný Model (Robust GMM) nahrazuje standardní gaussovské komponenty distribucemi s těžšími chvosty – nejčastěji Studentovými t-distribucemi – nebo zahrnuje ořezávání a snižování vah odlehlých hodnot v rámci EM algoritmu. Výsledkem je metoda pravděpodobnostního shlukování a odhadu hustoty, která skutečně anomálním bodům přisuzuje menší vliv na parametry komponent, čímž zabraňuje odlehlým hodnotám zkreslovat tvary nebo pozice shluků.
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
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/cs/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 ForestStrojové učení↔ compare
- K-means ShlukováníStrojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Robust k-meansStrojové učení↔ compare
- Robustní lineární regreseStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →