Regularized Gaussian Mixture Model
โมเดล Gaussian Mixture Model (GMM) แบบปรับค่า (Regularized GMM) จะเพิ่มค่าคงที่บวกเล็กน้อยเข้าไปในแนวทแยงมุมของเมทริกซ์ความแปรปรวนร่วม (covariance matrix) ของแต่ละส่วนประกอบในระหว่างขั้นตอนวิธี Expectation-Maximization ซึ่งช่วยป้องกันไม่ให้เมทริกซ์กลายเป็นเมทริกซ์เอกฐาน (singular) หรือเกือบเอกฐาน (near-singular) ที่ก่อให้เกิดความล้มเหลวทางตัวเลขเมื่อข้อมูลมีน้อย (sparse) มีมิติสูง (high-dimensional) หรือมีข้อมูลที่ซ้ำกันเกือบทั้งหมด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/th/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.
- แบบจำลองส่วนผสมแบบเกาส์เซียนแบบเบย์ (Bayesian Gaussian Mixture Model)การเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- One-class SVMการเรียนรู้ของเครื่อง↔ compare
- Regularized K-Means Clusteringการเรียนรู้ของเครื่อง↔ compare
- เค-เพื่อนบ้านใกล้สุดแบบปรับให้เหมาะสมการเรียนรู้ของเครื่อง↔ compare