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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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.
- DBSCANМашинное обучение↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- UMAPМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →