Gauss-keverék modell
A Gauss-keverék modell egy valószínűségi klaszterezési módszer, amely az adatokat több Gauss-eloszlás súlyozott keverékeként modellezi, és a Dempster, Laird & Rubin által 1977-ben formalizált Expectation–Maximization (EM) algoritmussal illeszti. Ez a K-means általánosítása, amelyben minden klaszternek megvan a saját alakja, mérete és tájolása.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/hu/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.
- DBSCANGépi tanulás↔ compare
- Hierarchikus klaszterezésGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- UMAPGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →