Machine learningMachine learning
正則化ガウス混合モデル
正則化ガウス混合モデル（GMM）は、期待値最大化アルゴリズム中に各成分の共分散行列の対角成分に小さな正の定数を加えることで、データが疎、高次元、またはほぼ重複した観測を含む場合に数値的失敗を引き起こす特異またはほぼ特異な行列を防ぎます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/ja/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.
- ベイズ混合ガウスモデル機械学習↔ compare
- K-means クラスタリング機械学習↔ compare
- One-Class SVM機械学習↔ compare
- 正則化 k-means クラスタリング機械学習↔ compare
- 正則化k近傍法機械学習↔ compare