Modèle de mélange gaussien régularisé
Un modèle de mélange gaussien (GMM) régularisé ajoute une petite constante positive à la diagonale de chaque matrice de covariance de composante pendant l'algorithme d'Expectation-Maximization, ce qui prévient les matrices singulières ou quasi-singulières qui causent des échecs numériques lorsque les données sont éparses, de haute dimension, ou contiennent des observations quasi-dupliquées.
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
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Comment citer cette page
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/fr/machine-learning/regularized-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.
- Modèle Bayésien de Mélange GaussienApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
- Regulated K-Means ClusteringApprentissage automatique↔ compare
- k-Plus-Proches Voisins RégulariséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →