Μοντέλο Γκαουσιανής Μίξης
Ένα Μοντέλο Γκαουσιανής Μίξης (Gaussian Mixture Model - GMM) είναι μια πιθανοτική μέθοδος ομαδοποίησης (clustering) που μοντελοποιεί τα δεδομένα ως μια σταθμισμένη μίξη αρκετών Γκαουσιανών κατανομών, προσαρμοσμένη με τον αλγόριθμο Μέγιστης Πιθανοφάνειας (Expectation–Maximization algorithm) που τυποποιήθηκε από τους Dempster, Laird & Rubin το 1977. Αποτελεί μια γενίκευση της μεθόδου K-means, στην οποία κάθε ομάδα μπορεί να έχει το δικό της σχήμα, μέγεθος και προσανατολισμό.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/el/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.
- DBSCANΜηχανική Μάθηση↔ compare
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
- Ανάλυση Κύριων ΣυνιστωσώνΜηχανική Μάθηση↔ compare
- UMAPΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →