Solidny model mieszaniny rozkładów Gaussa
Solidny model mieszaniny rozkładów Gaussa zastępuje standardowe komponenty Gaussa rozkładami o cięższych ogonach — najczęściej rozkładami t-Studenta — lub uwzględnia przycinanie i obniżanie wagi wartości odstających w ramach algorytmu EM. Wynikiem jest probabilistyczna metoda klastrowania i estymacji gęstości, która przypisuje rzeczywistym punktom anomalnym mniejszy wpływ na parametry komponentów, zapobiegając zniekształcaniu kształtów lub pozycji klastrów przez wartości odstające.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/pl/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 ForestUczenie maszynowe↔ compare
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
- Robust k-meansUczenie maszynowe↔ compare
- Regresja liniowa odpornaUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →