Regularizēts Gausa jaukto modeļu modelis
Regularizēts Gausa jaukto modeļu modelis (GMM) pievieno nelielu pozitīvu konstanti katras komponentes kovariācijas matricas diagonālei Expectation-Maximization algoritma laikā, novēršot singulāras vai gandrīz singulāras matricas, kas izraisa skaitliskas kļūmes, ja dati ir reti, ar augstu dimensiju vai satur gandrīz identiskus novērojumus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/lv/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.
- Beiziešu Gausa maisījuma modelisMašīnmācīšanās↔ compare
- K-means klasterizācijaMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- K-Means klasterizācijas regularizācijaMašīnmācīšanās↔ compare
- Regularizētie k-tuvākie kaimiņiMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →