Machine learningMachine learning
정규화된 가우시안 혼합 모델
정규화된 가우시안 혼합 모델(GMM)은 기댓값-최대화(Expectation-Maximization) 알고리즘 중에 각 구성 요소의 공분산 행렬 대각선에 작은 양수 상수를 더하여, 데이터가 희소하거나, 고차원이거나, 거의 중복된 관측치를 포함할 때 발생하는 수치적 오류를 유발하는 특이(singular) 또는 거의 특이 행렬을 방지합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/ko/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.
- 베이즈 가우시안 혼합 모델머신러닝↔ compare
- K-means 군집화머신러닝↔ compare
- One-Class SVM머신러닝↔ compare
- 정규화 K-평균 군집화머신러닝↔ compare
- 정규화 k-최근접 이웃머신러닝↔ compare