Online'owy model mieszaniny Gaussa
Online'owy model mieszaniny Gaussa (Online GMM) adaptuje klasyczny GMM do danych strumieniowych lub wielkoskalowych poprzez zastąpienie algorytmu EM działającego na pełnych partiach przyrostowymi aktualizacjami — przetwarzając jedną obserwację lub mini-partię na raz i ciągle udoskonalając średnie, kowariancje i wagi mieszania komponentów bez ponownego przeglądania całego zbioru danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Cappé, O. & Moulines, E. (2009). On-line expectation-maximization algorithm for latent data models. Journal of the Royal Statistical Society: Series B, 71(3), 593–613. DOI: 10.1111/j.1467-9868.2009.00698.x ↗
- Sato, M. & Ishii, S. (2000). On-line EM algorithm for the normalized Gaussian network. Neural Computation, 12(2), 407–432. DOI: 10.1162/089976600300015853 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/pl/machine-learning/online-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.
- Bayesowski model mieszaniny rozkładów GaussaUczenie maszynowe↔ compare
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- Online K-meansUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Półnadzorowany model mieszanin GaussaUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →