Regulisan Gausov model mešavine
Regulisan Gausov model mešavine (GMM) dodaje malu pozitivnu konstantu na dijagonalu svake kovarijaciona matrice komponente tokom algoritma očekivanja-maksimizacije, čime se sprečavaju singularne ili skoro singularne matrice koje uzrokuju numeričke greške kada su podaci retki, visokodimenzionalni ili sadrže skoro identične opservacije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/sr/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.
- Bajezijanski model Gausovih smešaMašinsko učenje↔ compare
- K-means algoritam klasterovanjaMašinsko učenje↔ compare
- Jednoklasni SVMMašinsko učenje↔ compare
- Регуларизовано К-средње груписањеMašinsko učenje↔ compare
- Регуларизовани k-Најближи суседиMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →