Regularyzowany model mieszaniny Gaussa
Regularyzowany model mieszaniny Gaussa (GMM) dodaje małą dodatnią stałą do przekątnej każdej macierzy kowariancji składowej podczas algorytmu oczekiwania-maksymalizacji, zapobiegając macierzom osobliwym lub prawie osobliwym, które powodują błędy numeryczne, gdy dane są rzadkie, wysokowymiarowe lub zawierają obserwacje prawie identyczne.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/pl/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.
- Bayesowski model mieszaniny rozkładów GaussaUczenie maszynowe↔ compare
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
- K-średnie z regularyzacjąUczenie maszynowe↔ compare
- Regularyzowane k-najbliższych sąsiadówUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →