Modèle robuste de mélange gaussien
Le modèle robuste de mélange gaussien remplace les composantes gaussiennes standard par des distributions à queues plus épaisses — le plus souvent des distributions t de Student — ou intègre le rognage et la pondération réduite des valeurs aberrantes dans le cadre de l'algorithme EM. Le résultat est une méthode probabiliste de regroupement et d'estimation de densité qui attribue aux points véritablement anormaux moins d'influence sur les paramètres des composantes, empêchant ainsi les valeurs aberrantes de déformer les formes ou les positions des clusters.
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
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/fr/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 ForestApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
- k-means robusteApprentissage automatique↔ compare
- Régression linéaire robusteApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →