Modèle de mélange gaussien explicable
Un modèle de mélange gaussien explicable (X-GMM) augmente le cadre de regroupement probabiliste classique du GMM avec des mécanismes de transparence — tels que des scores d'attribution de caractéristiques, des résumés au niveau des composants ou des structures de covariance éparses — afin que les grappes découvertes et les estimations de densité puissent être comprises, communiquées et auditées par des experts humains.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective (Ch. 11 — Mixture Models). MIT Press. ISBN: 978-0-262-01802-9
- Gaussian mixture model. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Explainable Gaussian Mixture Model (X-GMM). ScholarGate. https://scholargate.app/fr/machine-learning/explainable-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.
- Regroupement par K-moyennesApprentissage automatique↔ compare
- Analyse de classes latentes (ACL)Statistique↔ compare
- Autoencodeur VariationnelApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →