Gaussiaans Mixture Model
Een Gaussiaans Mixture Model (GMM) is een probabilistische clusteringmethode die de data modelleert als een gewogen mengsel van verschillende Gaussiaanse verdelingen, aangepast met het Expectation–Maximization (EM) algoritme geformaliseerd door Dempster, Laird & Rubin in 1977. Het is een generalisatie van K-means waarbij elke cluster zijn eigen vorm, grootte en oriëntatie kan aannemen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Dempster, A.P., Laird, N.M. & Rubin, D.B. (1977). Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–22. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/nl/machine-learning/gaussian-mixture
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.
- DBSCANMachine learning↔ compare
- Hiërarchische clusteringMachine learning↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
- UMAPMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →