Sisällysluettelo:
- Määritelmä - mitä Gaussin sekoitusmalli (GMM) tarkoittaa?
- Techopedia selittää Gaussin sekoitusmallin (GMM)
Määritelmä - mitä Gaussin sekoitusmalli (GMM) tarkoittaa?
Gaussin sekoitusmalli (GMM) on luokka todennäköisyysmalleja, jonka mukaan kaikki generoidut datapisteet johdetaan sekoituksesta rajallisista Gaussin jakaumista, joilla ei ole tunnettuja parametreja. Parametrit Gaussin sekoitusmalleille on johdettu joko ennakkoarvioinnista jälkikäteen tai iteratiivisesta odotusten maksimointialgoritmista aikaisemmasta mallista, joka on hyvin koulutettu. Gaussin sekoitusmallit ovat erittäin hyödyllisiä mallinnetiedon, etenkin useista ryhmistä peräisin olevan tiedon mallinnuksessa.
Techopedia selittää Gaussin sekoitusmallin (GMM)
Matemaattisesti Gaussin sekoitusmallit ovat esimerkki parametrisesta todennäköisyystiheysfunktiosta, jota voidaan esittää Gaussin komponenttien kaikkien tiheysten painotettuna summana. Toisin sanoen M-komponentin Gaussin tiheyksien painotettu summa tunnetaan Gaussin sekoitusmallina ja matemaattisesti se on p (x | λ) = XM i = 1 wi g (x | μi, )i), missä M merkitään seoksen painot, x on jatkuva-arvoinen datavektori D-ulotteesta ja g (x | μi, Σi) on komponentti Gaussin tiheydet. Gaussin seosmalli koostuu kovarianssimatriiseista, seoksen painoista ja keskimääräisistä vektoreista jokaisesta läsnä olevasta komponenttitiheydestä. Gaussialaiset kykenevät täysin mallintamaan piirrevektorielementtien korrelaatioita diagonaalisen kovarianssipohjan lineaarisen yhdistelmän ansiosta. Toinen Gaussin sekoitusmallin piirre on tasaisten likiarvojen muodostuminen satunnaisesti muotoiltuihin tiheyksiin.
Gaussin sekoitusmalleja käytetään biometrisissä järjestelmissä, joissa parametrinen malli auttaa ymmärtämään ominaisuuksiin tai mittauksiin liittyviä, kuten ääniradan spektrin piirteitä. Gaussin seosmalleja käytetään myös tiheyden arviointiin, ja niitä pidetään tilastollisesti kypsimmin tekniikoina klusteroinnissa.
