Online Gaussi segamudel
Online Gaussi segamudel (Online GMM) kohandab klassikalist GMM-i voogedastatavate või suuremahuliste andmete jaoks, asendades täispartii EM-algoritmi inkrementaalsete uuendustega — töödeldes korraga ühte vaatlust või minipartii ja pidevalt täpsustades komponentide keskmisi, kovariatsioone ja segamiskaalusid ilma kogu andmestikku uuesti läbi vaatamata.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Cappé, O. & Moulines, E. (2009). On-line expectation-maximization algorithm for latent data models. Journal of the Royal Statistical Society: Series B, 71(3), 593–613. DOI: 10.1111/j.1467-9868.2009.00698.x ↗
- Sato, M. & Ishii, S. (2000). On-line EM algorithm for the normalized Gaussian network. Neural Computation, 12(2), 407–432. DOI: 10.1162/089976600300015853 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/et/machine-learning/online-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.
- Bayesian Gaussian Mixture ModelMasinõpe↔ compare
- K-keskmiste klasterdamineMasinõpe↔ compare
- Võrgus K-keskmisedMasinõpe↔ compare
- Veebipõhine õpeMasinõpe↔ compare
- Pooljuhendatud Gaussi mudelMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →