Model Gaussian Mixture Robust
Model Gaussian Mixture Robust înlocuiește componentele Gaussiene standard cu distribuții cu cozi mai grele — cel mai adesea distribuții t-Student — sau încorporează eliminarea (trimming) și ponderarea descrescătoare a valorilor aberante (outliers) în cadrul algoritmului EM. Rezultatul este o metodă de estimare a densității și clusterizare probabilistică ce atribuie punctelor cu adevărat anormale o influență mai mică asupra parametrilor componentelor, prevenind astfel ca valorile aberante să distorsioneze formele sau pozițiile clusterelor.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/ro/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 ForestÎnvățare automată↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- SVM pentru o singură clasăÎnvățare automată↔ compare
- k-means robustÎnvățare automată↔ compare
- Regresie Liniară RobustăÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →