Преглед садржаја:
Дефиниција - Шта значи Гауссов модел смеше (ГММ)?
Гауссов модел смеше (ГММ) је категорија вероватноћа модела који каже да су све генерисане тачке података изведене из мешавине коначних Гауссових расподела које немају познате параметре. Параметри за Гауссове моделе смеша су изведени или из максимума постериори процене или из итеративног алгоритма максимизације очекивања из претходног модела који је добро обучен. Гауссови модели мешавина су веома корисни када су у питању моделирање података, посебно података који потичу из неколико група.
Техопедија објашњава Гауссов модел смеше (ГММ)
Математички, Гауссови модели мешавина су пример параметричне функције густоће вероватноће, која се може представити као пондерисани збир свих густина Гауссових компонената. Другим речима, пондерисана сума густих густина М компоненте позната је као Гауссов модел смеше, а математички је п (к | λ) = КСМ и = 1 ви г (к | µи, Σи), где је М означен за тежина смеше, к је континуирано вредновани вектор података из Д-димензије и г (к | µи, Σи) компонентна Гауссова густина. Гауссов модел смеше састоји се од коваријантних матрица, тежина смеше и средњих вектора из сваке присутне густине компонената. Гауси су у потпуности способни да моделирају корелације елемената вектора карактеристика захваљујући линеарној комбинацији основа дијагоналне коваријанције. Још једна карактеристика Гауссове смеше модела је формирање глатких апроксимација насумично обликованих густина.
Гауссови модели мешавина користе се у биометријским системима где параметријски модел помаже у разумевању карактеристика или мерења повезаних са онима као што су спектралне карактеристике гласница. Гауссови модели мешавина такође се користе за процену густине и сматрају се статистички најзрелијим техникама за групирање.
