Modelo de Mistura Gaussiana Regularizado
Um Modelo de Mistura Gaussiana (GMM) Regularizado adiciona uma pequena constante positiva à diagonal de cada matriz de covariância de componente durante o algoritmo Expectation-Maximization, prevenindo matrizes singulares ou quase singulares que causam falhas numéricas quando os dados são esparsos, de alta dimensionalidade ou contêm observações quase duplicadas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/pt/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.
- Modelo de Mistura Gaussiana BayesianaAprendizado de máquina↔ compare
- Agrupamento K-meansAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- Agrupamento K-Means RegularizadoAprendizado de máquina↔ compare
- k-Vizinhos Mais Próximos RegularizadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →