Machine learning
מודל תערובת גאוסיאנית
מודל תערובת גאוסיאנית (Gaussian Mixture Model - GMM) הוא שיטת אשכול הסתברותית הממַדֶּלֶת את הנתונים כתערובת משוקללת של מספר התפלגויות גאוסיאניות, המותאמת באמצעות אלגוריתם הציפייה-מקסום (Expectation–Maximization) שנוסח על ידי Dempster, Laird & Rubin בשנת 1977. זהו הכללה של K-means שבה כל אשכול יכול לקבל צורה, גודל וכיוון משלו.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/he/machine-learning/gaussian-mixture
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.
- DBSCANלמידת מכונה↔ compare
- אשכול היררכילמידת מכונה↔ compare
- ניתוח רכיבים עיקרייםלמידת מכונה↔ compare
- UMAPלמידת מכונה↔ compare