Model Campuran Gaussian Teguh
Model Campuran Gaussian Teguh menggantikan komponen Gaussian piawai dengan taburan yang lebih berekor tebal — paling lazimnya taburan t-Student — atau menggabungkan pemangkasan dan penurunan pemberat pencilan dalam rangka kerja EM. Hasilnya ialah kaedah pengelompokan probabilistik dan anggaran ketumpatan yang memberikan pengaruh yang lebih rendah kepada titik-titik yang benar-benar luar biasa pada parameter komponen, menghalang pencilan daripada mendistorsi bentuk atau kedudukan kelompok.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/ms/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 ForestPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
- SVM Kelas TunggalPembelajaran Mesin↔ compare
- Robust k-meansPembelajaran Mesin↔ compare
- Regresi Linear RobasPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →