Geregulariseerd Gaussisch Mixture Model
Een Geregulariseerd Gaussisch Mixture Model (GMM) voegt een kleine positieve constante toe aan de diagonaal van de covariantiematrix van elke component tijdens het Expectation-Maximization-algoritme, wat singuliere of bijna singuliere matrices voorkomt die numerieke fouten veroorzaken wanneer de data schaars, hoog-dimensionaal zijn, of bijna-duplicaten bevatten.
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
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/nl/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.
- Bayesiaans Gaussisch Mixture ModelMachine learning↔ compare
- K-means ClusteringMachine learning↔ compare
- One-Class SVMMachine learning↔ compare
- Geregulariseerde K-Means ClusteringMachine learning↔ compare
- Geregulariseerde k-dichtstbij-burenMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →