Modelo de Mezcla Gaussiana
Un Modelo de Mezcla Gaussiana (GMM, por sus siglas en inglés) es un método de agrupamiento probabilístico que modela los datos como una mezcla ponderada de varias distribuciones Gaussianas, ajustado con el algoritmo de Expectation–Maximization (EM) formalizado por Dempster, Laird y Rubin en 1977. Es una generalización de K-means en la que cada clúster puede tener su propia forma, tamaño y orientación.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/es/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.
- DBSCANAprendizaje automático↔ compare
- Agrupamiento jerárquicoAprendizaje automático↔ compare
- Análisis de Componentes PrincipalesAprendizaje automático↔ compare
- UMAPAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →