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.
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
- 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 ↗
- 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.
- Isolation ForestAprendizaje automático↔ compare
- Agrupamiento K-mediasAprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- k-means robustosAprendizaje automático↔ compare
- Regresión Lineal RobustaAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →