Machine learningMachine learning

Modelo Gaussiano Robusto de Mezclas

Un Modelo Gaussiano Robusto de Mezclas (Modelo Gaussiano Robusto de Mezclas) reemplaza los componentes gaussianos estándar con distribuciones de colas más pesadas —más comúnmente distribuciones t de Student— o incorpora el recorte (trimming) y la ponderación decreciente (down-weighting) de valores atípicos dentro del marco del EM. El resultado es un método probabilístico de agrupamiento y estimación de densidad que asigna a los puntos genuinamente anómalos menor influencia en los parámetros de los componentes, evitando que los valores atípicos distorsionen las formas o posiciones de los clústeres.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0-470-01092-1

Cómo citar esta página

ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/es/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.

Compare side by side
ScholarGateRobust Gaussian Mixture Model (Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)). Recuperado el 2026-06-15 de https://scholargate.app/es/machine-learning/robust-gaussian-mixture-model · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026