Regularizált Gauss-keverék modell
A regularizált Gauss-keverék modell (GMM) a várakozási maximum (Expectation-Maximization, EM) algoritmus során egy kis pozitív konstanssal egészíti ki az egyes komponensek kovarianciamátrixának átlóját, megelőzve a szinguláris vagy közel szinguláris mátrixokat, amelyek numerikus hibákat okoznak, ha az adatok ritkák, nagy dimenziósak, vagy közel azonos megfigyeléseket tartalmaznak.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle Gauss-keverék modellGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
- Regularizált K-Means KlaszterezésGépi tanulás↔ compare
- Normalizált k-legközelebbi szomszédGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →