Robust Gaussisk Blandningsmodell
Robust Gausisk Blandning ersätter standard Gaussiska komponenter med fördelningar med tjockare svansar — oftast Student's t-fördelningar — eller inför trimning och nedviktning av extremvärden inom EM-ramverket. Resultatet är en probabilistisk klustrings- och densitetsestimeringsmetod som ger genuint avvikande punkter mindre inflytande på komponentparametrarna, vilket förhindrar att extremvärden förvränger klusterformer eller positioner.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/sv/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 ForestMaskininlärning↔ compare
- K-means-klustringMaskininlärning↔ compare
- One-class SVMMaskininlärning↔ compare
- Robust k-meansMaskininlärning↔ compare
- Robust linjär regressionMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →