Modelo Gaussiano Robusto de Mistura
O Modelo Gaussiano Robusto de Mistura substitui os componentes Gaussianos padrão por distribuições de caudas mais pesadas — mais comumente distribuições t de Student — ou incorpora a eliminação (trimming) e a redução de peso de valores atípicos (outliers) dentro do framework EM. O resultado é um método probabilístico de agrupamento e estimação de densidade que atribui menor influência a pontos genuinamente anômalos nos parâmetros dos componentes, impedindo que outliers distorçam as formas ou posições dos clusters.
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
- 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
Como citar esta página
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/pt/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 ForestAprendizado de máquina↔ compare
- Agrupamento K-meansAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- k-means robustAprendizado de máquina↔ compare
- Regressão Linear RobustaAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →