Modello di Miscela Gaussiana Robusto
Il Modello di Miscela Gaussiana Robusto sostituisce le componenti Gaussiane standard con distribuzioni a "code più pesanti" — più comunemente le distribuzioni t di Student — o incorpora la "trimming" e la "down-weighting" degli outlier all'interno del framework EM. Il risultato è un metodo di clustering probabilistico e di stima della densità che assegna ai punti genuinamente anomali una minore influenza sui parametri delle componenti, impedendo agli outlier di distorcere le forme o le posizioni dei cluster.
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
- Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. DOI: 10.1023/A:1008981510081 ↗
- Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0-470-01092-1
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/it/machine-learning/robust-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.
- Isolation ForestApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- k-means RobustoApprendimento automatico↔ compare
- Regressione Lineare RobustaApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →