차례:
정의-가우스 혼합 모델 (GMM)은 무엇을 의미합니까?
가우시안 혼합 모델 (GMM)은 모든 생성 된 데이터 포인트가 알려진 매개 변수가없는 유한 가우시안 분포의 혼합에서 파생됨을 나타내는 확률 모델 범주입니다. 가우스 혼합 모델의 파라미터는 잘 훈련 된 이전 모델의 최대 사후 추정 또는 반복적 기대 최대화 알고리즘으로부터 도출됩니다. 가우스 혼합 모델은 데이터, 특히 여러 그룹의 데이터를 모델링 할 때 매우 유용합니다.
Techopedia는 가우시안 혼합 모델 (GMM)을 설명합니다
수학적으로 가우시안 혼합 모델은 파라 메트릭 확률 밀도 함수의 예이며 가우시안 성분의 모든 밀도에 대한 가중치 합계로 표시 할 수 있습니다. 즉, M 성분 가우시안 밀도의 가중 합은 가우시안 혼합 모델로 알려져 있으며, 수학적으로 p (x | λ) = XM i = 1 wi g (x | µi, Σi)이며, 여기서 M은 혼합 중량에서 x는 D 차원의 연속 값 데이터 벡터이며 g (x | µi, Σi)는 성분 가우스 밀도입니다. 가우스 혼합 모델은 공분산 행렬, 혼합 중량 및 존재하는 모든 성분 밀도의 평균 벡터로 구성됩니다. 가우시안은 대각선 공분산 기준의 선형 조합 덕분에 특징 벡터 요소의 상관 관계를 완전히 모델링 할 수 있습니다. 가우스 혼합 모델의 또 다른 특징은 무작위 모양의 밀도에 대한 부드러운 근사치의 형성입니다.
가우스 혼합 모델은 파라 메트릭 모델이 성대 스펙트럼 특징과 같은 특징 또는 측정을 이해하는 데 도움이되는 생체 인식 시스템에 사용됩니다. 가우스 혼합 모델은 밀도 추정에도 사용되며 클러스터링을위한 가장 통계적으로 성숙한 기술로 간주됩니다.
