Robust Gaussian Mixture Model
Robust Gaussian Mixture Model aizstāj standarta Gausa komponentes ar sadalījumiem ar smagākām astēm — visbiežāk Studentu t-sadalījumiem — vai iekļauj izgriešanu un ārējo vērtību (outlier) samazināšanu EM (Expectation-Maximization) ietvaros. Rezultāts ir probablistiska grupēšanas un blīvuma novērtēšanas metode, kas piešķir patiesi anomālajiem punktiem mazāku ietekmi uz komponentu parametriem, neļaujot ārējām vērtībām izkropļot grupu formas vai pozīcijas.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/lv/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 ForestMašīnmācīšanās↔ compare
- K-means klasterizācijaMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Robust k-meansMašīnmācīšanās↔ compare
- Robustā lineārā regresijaMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →