Machine learning

Модель гауссовских смесей

Модель гауссовских смесей (Gaussian Mixture Model, GMM) — это вероятностный метод кластеризации, который моделирует данные как взвешенную смесь нескольких гауссовских распределений, подгоняемых с помощью алгоритма ожидания-максимизации (Expectation–Maximization, EM), формализованного Демпстером, Лэрдом и Рубином в 1977 году. Это обобщение метода K-средних, в котором каждый кластер может иметь свою собственную форму, размер и ориентацию.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Dempster, A.P., Laird, N.M. & Rubin, D.B. (1977). Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–22. DOI: 10.1111/j.2517-6161.1977.tb01600.x

Как цитировать эту страницу

ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/ru/machine-learning/gaussian-mixture

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.

Compare side by side

Упоминается в

ScholarGateGaussian Mixture Model (Gaussian Mixture Model (GMM Clustering)). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/gaussian-mixture · Набор данных: https://doi.org/10.5281/zenodo.20539026