مدل آمیخته گوسی
مدل آمیخته گوسی یک روش خوشهبندی احتمالی است که دادهها را به صورت یک آمیخته وزنی از چندین توزیع گوسی مدلسازی میکند و با الگوریتم بیشینهسازی-انتظار که توسط دمپستر، لیرد و رابین در سال ۱۹۷۷ فرموله شد، برازش میشود. این تعمیمی از K-means است که در آن هر خوشه میتواند شکل، اندازه و جهتگیری خاص خود را داشته باشد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/fa/machine-learning/gaussian-mixture
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- دیبیاسکنیادگیری ماشین↔ مقایسه
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ مقایسه
- تحلیل مؤلفههای اصلییادگیری ماشین↔ مقایسه
- یو-مپیادگیری ماشین↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →