Machine learningMachine learning
ロバストガウス混合モデル
ロバストガウス混合モデルは、標準的なガウス成分を、より裾の重い分布（最も一般的にはスチューデントのt分布）に置き換えるか、EMフレームワーク内で外れ値のトリミングや重み付け減少を組み込みます。結果として得られるのは、確率的クラスタリングおよび密度推定手法であり、真に異常な点に対して成分パラメータへの影響を少なく割り当てることで、外れ値がクラスタの形状や位置を歪めるのを防ぎます。
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
- 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
このページの引用方法
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/ja/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.
- アイソレーションフォレスト機械学習↔ compare
- K-means クラスタリング機械学習↔ compare
- One-Class SVM機械学習↔ compare
- ロバストk平均法機械学習↔ compare
- ロバスト線形回帰機械学習↔ compare