Satura rādītājs:
- Definīcija - ko nozīmē Gausa maisījuma modelis (GMM)?
- Techopedia skaidro Gausa maisījuma modeli (GMM)
Definīcija - ko nozīmē Gausa maisījuma modelis (GMM)?
Gausa maisījuma modelis (GMM) ir varbūtības modeļa kategorija, kurā teikts, ka visi ģenerētie datu punkti ir iegūti no ierobežota Gausa sadalījuma sajaukuma, kuram nav zināmi parametri. Parametri Gausa maisījuma modeļiem tiek iegūti vai nu no maksimālā a posteriori novērtējuma, vai no iteratīva gaidīšanas-maksimizācijas algoritma no iepriekšējā modeļa, kurš ir labi apmācīts. Gausa maisījumu modeļi ir ļoti noderīgi, modelējot datus, jo īpaši datus, kas nāk no vairākām grupām.
Techopedia skaidro Gausa maisījuma modeli (GMM)
Matemātiski Gausa maisījuma modeļi ir parametriskas varbūtības blīvuma funkcijas piemērs, ko var attēlot kā Gausa komponentu visu blīvumu svērto summu. Citiem vārdiem sakot, M komponenta Gausa blīvumu svērtā summa ir zināma kā Gausa maisījuma modelis, un matemātiski tas ir p (x | λ) = XM i = 1 wi g (x | μi, Σi), kur M apzīmē maisījuma svars, x ir nepārtrauktas vērtības datu vektors no D dimensijas un g (x | μi, Σi) ir komponenta Gausa blīvums. Gausa maisījuma modelis sastāv no kovariācijas matricām, maisījuma svariem un vidējiem vektoriem no katra esošā komponenta blīvuma. Gausieši pilnībā spēj modelēt elementu vektora elementu korelācijas, pateicoties diagonālās kovariācijas bāzes lineārajai kombinācijai. Vēl viena Gausa maisījuma modeļa iezīme ir vienmērīgu tuvinājumu veidošana nejauši veidotiem blīvumiem.
Gausa maisījumu modeļus izmanto biometriskās sistēmās, kur parametriskais modelis palīdz izprast ar īpašībām vai mērījumiem saistītās pazīmes, piemēram, balss-trakta spektra pazīmes. Gausa maisījumu modeļi tiek izmantoti arī blīvuma novērtēšanai, un tos uzskata par statistiski visnobriedušākajiem klasterizācijas paņēmieniem.
