Modello di Miscela Gaussiana
Un Modello di Miscela Gaussiana (GMM) è un metodo di clustering probabilistico che modella i dati come una miscela pesata di diverse distribuzioni gaussiane, adattata con l'algoritmo Expectation–Maximization formalizzato da Dempster, Laird & Rubin nel 1977. È una generalizzazione del K-means in cui ogni cluster può assumere la propria forma, dimensione e orientamento.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/it/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.
- DBSCANApprendimento automatico↔ compare
- Clustering gerarchicoApprendimento automatico↔ compare
- Analisi delle Componenti PrincipaliApprendimento automatico↔ compare
- UMAPApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →