แบบจำลองส่วนผสมแบบเกาส์เซียน
แบบจำลองส่วนผสมแบบเกาส์เซียน (Gaussian Mixture Model - GMM) เป็นวิธีการจัดกลุ่มเชิงความน่าจะเป็นที่จำลองข้อมูลเสมือนเป็นส่วนผสมถ่วงน้ำหนักของ การแจกแจงแบบเกาส์เซียนหลายแบบ ซึ่งปรับให้เหมาะสมด้วยขั้นตอนวิธีความคาดหวัง-การหาค่าเหมาะที่สุด (Expectation–Maximization algorithm) ที่กำหนดรูปแบบโดย Dempster, Laird & Rubin ในปี 1977 GMM เป็นการขยายความของ K-means ซึ่งแต่ละกลุ่มสามารถมีรูปร่าง ขนาด และทิศทางของตนเองได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Gaussian Mixture Model (GMM Clustering). ScholarGate. https://scholargate.app/th/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.
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบลำดับชั้นการเรียนรู้ของเครื่อง↔ compare
- การวิเคราะห์องค์ประกอบหลักการเรียนรู้ของเครื่อง↔ compare
- UMAPการเรียนรู้ของเครื่อง↔ compare