Regulirani Gaussov model smjese
Regulirani Gaussov model smjese (GMM) dodaje malu pozitivnu konstantu na dijagonalu svake kovarijacijske matrice komponente tijekom algoritma očekivanja-maksimalizacije, čime se sprječavaju singularne ili gotovo singularne matrice koje uzrokuju numeričke pogreške kada su podaci rijetki, visokodimenzionalni ili sadrže gotovo duplicirane opservacije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/hr/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.
- Bayesov model Gaussovih smjesaStrojno učenje↔ compare
- Grupna analiza K-meansStrojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
- Regularizirano K-Means grupiranjeStrojno učenje↔ compare
- Regulirani k-najbližih susjedaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →