Robuuste Gaussische Mengvorm
Robuuste Gaussische Mengvorm vervangt de standaard Gaussische componenten door verdelingen met zwaardere staarten — meestal Student's t-verdelingen — of door het verwerken van 'trimming' en het naar beneden wegen van uitschieters binnen het EM-raamwerk. Het resultaat is een probabilistische clustering- en dichtheidsschattingmethode die werkelijk afwijkende punten minder invloed geeft op componentparameters, waardoor uitschieters de cluster-vormen of -posities niet vervormen.
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
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/nl/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 ForestMachine learning↔ compare
- K-means ClusteringMachine learning↔ compare
- One-Class SVMMachine learning↔ compare
- Robuuste k-gemiddeldenMachine learning↔ compare
- Robuuste Lineaire RegressieMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →