Mục lục:
- Định nghĩa - Mô hình hỗn hợp Gaussian (GMM) có nghĩa là gì?
- Techopedia giải thích Mô hình hỗn hợp Gaussian (GMM)
Định nghĩa - Mô hình hỗn hợp Gaussian (GMM) có nghĩa là gì?
Mô hình hỗn hợp Gaussian (GMM) là một loại mô hình xác suất, trong đó nêu rõ rằng tất cả các điểm dữ liệu được tạo ra đều được lấy từ hỗn hợp các phân phối Gaussian hữu hạn không có tham số đã biết. Các tham số cho các mô hình hỗn hợp Gaussian được lấy từ ước lượng tối đa sau hoặc thuật toán tối đa hóa kỳ vọng lặp lại từ một mô hình trước đó được đào tạo tốt. Các mô hình hỗn hợp Gaussian rất hữu ích khi mô hình hóa dữ liệu, đặc biệt là dữ liệu đến từ một số nhóm.
Techopedia giải thích Mô hình hỗn hợp Gaussian (GMM)
Về mặt toán học, các mô hình hỗn hợp Gaussian là một ví dụ về hàm mật độ xác suất tham số, có thể được biểu diễn dưới dạng tổng của tất cả các mật độ của các thành phần Gaussian. Nói cách khác, tổng trọng số của mật độ Gaussian thành phần M được gọi là mô hình hỗn hợp Gaussian và về mặt toán học, nó là p (x | λ) = XM i = 1 wi g (x |, i), trong đó M được ký hiệu là trọng số hỗn hợp, x là vectơ dữ liệu có giá trị liên tục từ chiều D và và g (x | Biệti, Σi) là mật độ Gaussian thành phần. Một mô hình hỗn hợp Gaussian bao gồm các ma trận hiệp phương sai, trọng số hỗn hợp và các vectơ trung bình từ mọi mật độ thành phần có mặt. Gaussian hoàn toàn có khả năng mô hình hóa các mối tương quan của các yếu tố vectơ đặc trưng nhờ sự kết hợp tuyến tính của cơ sở hiệp phương sai đường chéo. Một đặc điểm khác của mô hình hỗn hợp Gaussian là sự hình thành các xấp xỉ mịn đến mật độ hình ngẫu nhiên.
Các mô hình hỗn hợp Gaussian được sử dụng trong các hệ thống sinh trắc học, trong đó mô hình tham số giúp hiểu được các tính năng hoặc phép đo liên quan đến các tính năng, chẳng hạn như các tính năng phổ của giọng hát. Các mô hình hỗn hợp Gaussian cũng được sử dụng để ước tính mật độ và được coi là các kỹ thuật trưởng thành nhất về mặt thống kê để phân cụm.
