Robust Gaussian Mixture Model
Robust Gaussian Mixture Model erstatter standard Gaussiske komponenter med fordelinger med tungere haler — oftest Students t-fordelinger — eller inkorporerer udtrækning og nedvægtning af outliers inden for EM-rammeværket. Resultatet er en probabilistisk klynge- og tæthedsestimeringsmetode, der giver ægte anomale punkter mindre indflydelse på komponentparametre, hvilket forhindrer outliers i at forvrænge klyngeformer eller -positioner.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/da/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 ForestMaskinlæring↔ compare
- K-means ClusteringMaskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- Robust k-meansMaskinlæring↔ compare
- Robust lineær regressionMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →