Sommario:
- Definizione - Che cosa significa Gaussian Mixture Model (GMM)?
- Techopedia spiega il modello di miscela gaussiana (GMM)
Definizione - Che cosa significa Gaussian Mixture Model (GMM)?
Un modello di miscela gaussiana (GMM) è una categoria di modello probabilistico che afferma che tutti i punti di dati generati sono derivati da una miscela di una distribuzione gaussiana finita che non ha parametri noti. I parametri per i modelli di miscele gaussiane sono derivati dalla massima stima a posteriori o da un algoritmo iterativo di massimizzazione delle aspettative da un modello precedente che è ben addestrato. I modelli di miscele gaussiane sono molto utili quando si tratta di modellare i dati, in particolare i dati che provengono da diversi gruppi.
Techopedia spiega il modello di miscela gaussiana (GMM)
Matematicamente, i modelli di miscele gaussiane sono un esempio di una funzione di densità di probabilità parametrica, che può essere rappresentata come una somma ponderata di tutte le densità dei componenti gaussiani. In altre parole, la somma ponderata delle densità gaussiane del componente M è nota come modello di miscela gaussiana e matematicamente è p (x | λ) = XM i = 1 wi g (x | µi, Σi), dove M è indicato per pesi della miscela, x è il vettore di dati a valore continuo dalla dimensione D e g (x | µi, Σi) è la densità gaussiana componente. Un modello di miscela gaussiana è costituito da matrici di covarianza, pesi di miscela e vettori medi di ogni densità di componente presente. I gaussiani sono pienamente in grado di modellare le correlazioni degli elementi vettoriali delle caratteristiche grazie alla combinazione lineare di base di covarianza diagonale. Un'altra caratteristica del modello di miscela gaussiana è la formazione di approssimazioni lisce a densità di forma casuale.
I modelli di miscele gaussiane sono utilizzati nei sistemi biometrici in cui il modello parametrico aiuta a comprendere le caratteristiche o le misurazioni correlate a quelle come le caratteristiche spettrali del tratto vocale. I modelli di miscele gaussiane sono anche usati per la stima della densità e sono considerati le tecniche statisticamente più mature per il clustering.
