Online Gaußsches Mischmodell
Das Online Gaußsche Mischmodell passt das klassische GMM an Streaming- oder große Datensätze an, indem es das EM-Verfahren mit vollständigen Batches durch inkrementelle Updates ersetzt – es verarbeitet eine Beobachtung oder einen Mini-Batch nach dem anderen und verfeinert kontinuierlich Mittelwerte, Kovarianzen und Mischgewichte der Komponenten, ohne den gesamten Datensatz erneut zu durchlaufen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Cappé, O. & Moulines, E. (2009). On-line expectation-maximization algorithm for latent data models. Journal of the Royal Statistical Society: Series B, 71(3), 593–613. DOI: 10.1111/j.1467-9868.2009.00698.x ↗
- Sato, M. & Ishii, S. (2000). On-line EM algorithm for the normalized Gaussian network. Neural Computation, 12(2), 407–432. DOI: 10.1162/089976600300015853 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/de/machine-learning/online-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.
- Bayessches Gaußsches MischmodellMaschinelles Lernen↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- Online K-meansMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Halb-überwachtes Gaußsches MischmodellMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →