Modello Gaussiano Misto Regolarizzato
Un Modello Gaussiano Misto Regolarizzato (GMM) aggiunge una piccola costante positiva alla diagonale di ciascuna matrice di covarianza delle componenti durante l'algoritmo Expectation-Maximization, prevenendo matrici singolari o quasi singolari che causano fallimenti numerici quando i dati sono sparsi, ad alta dimensionalità o contengono osservazioni quasi duplicate.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/it/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.
- Modello Bayesiano a Mischia di GaussianeApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- Clustering K-Means RegularizzatoApprendimento automatico↔ compare
- k-Nearest Neighbors RegularizzatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →