Modelo de Mezcla Gaussiana Regularizado
Un Modelo de Mezcla Gaussiana (GMM) Regularizado añade una pequeña constante positiva a la diagonal de la matriz de covarianza de cada componente durante el algoritmo de Expectation-Maximization, previniendo matrices singulares o casi singulares que causan fallos numéricos cuando los datos son dispersos, de alta dimensionalidad, o contienen observaciones casi duplicadas.
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
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Cómo citar esta página
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/es/machine-learning/regularized-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.
- Modelo Bayesiano de Mezclas GaussianasAprendizaje automático↔ compare
- Agrupamiento K-mediasAprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- Agrupamiento K-medias RegularizadoAprendizaje automático↔ compare
- k-Vecinos más Cercanos RegularizadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →