สารบัญ:
- คำจำกัดความ - Gaussian Mixture Model (GMM) หมายถึงอะไร
- Techopedia อธิบายแบบจำลองการผสมแบบเกาส์ (GMM)
คำจำกัดความ - Gaussian Mixture Model (GMM) หมายถึงอะไร
แบบจำลองการผสมแบบเกาส์ (GMM) เป็นหมวดหมู่ของแบบจำลองความน่าจะเป็นซึ่งระบุว่าจุดข้อมูลที่สร้างขึ้นทั้งหมดได้มาจากการผสมผสานแบบกระจายแบบเกาส์ จำกัด ที่ไม่มีพารามิเตอร์ที่รู้จัก พารามิเตอร์สำหรับแบบจำลองการผสมแบบเกาส์นั้นมาจากการประมาณค่าสูงสุดหลังหรือขั้นตอนวิธีการเพิ่มความคาดหวังซ้ำสูงสุดจากแบบจำลองก่อนหน้าซึ่งผ่านการฝึกอบรมมาอย่างดี แบบจำลองการผสมแบบเกาส์มีประโยชน์มากเมื่อพูดถึงการสร้างแบบจำลองข้อมูลโดยเฉพาะข้อมูลที่มาจากหลายกลุ่ม
Techopedia อธิบายแบบจำลองการผสมแบบเกาส์ (GMM)
ในทางคณิตศาสตร์แบบจำลองการผสมแบบเกาส์เป็นตัวอย่างของฟังก์ชั่นความหนาแน่นของความน่าจะเป็นแบบพาราเมตริกซึ่งสามารถแสดงเป็นผลรวมถ่วงน้ำหนักของความหนาแน่นทั้งหมดของส่วนประกอบแบบเกาส์ กล่าวอีกนัยหนึ่งการถ่วงน้ำหนักขององค์ประกอบความหนาแน่นแบบเกาส์เอ็มเป็นที่รู้จักกันในชื่อแบบผสมแบบเกาส์และคณิตศาสตร์คือ p (x | λ) = XM ฉัน = 1 wi g (x | |i, )i) ซึ่ง M แทน ตุ้มน้ำหนักผสม x เป็นเวกเตอร์ข้อมูลที่มีค่าต่อเนื่องจาก D-dimension และ g (x | µi, Σi) เป็นส่วนประกอบของความหนาแน่นแบบเกาส์เซียน แบบจำลองการผสมแบบเกาส์ประกอบด้วยเมทริกซ์ความแปรปรวนร่วม, น้ำหนักผสมและเวกเตอร์เฉลี่ยจากทุกความหนาแน่นขององค์ประกอบที่มีอยู่ Gaussians มีความสามารถอย่างเต็มที่ในการสร้างแบบจำลองความสัมพันธ์ขององค์ประกอบเวกเตอร์คุณลักษณะด้วยการรวมกันเชิงเส้นของความแปรปรวนร่วมแนวทแยงมุม คุณสมบัติอีกอย่างของแบบจำลองการผสมแบบเกาส์คือการก่อตัวของความหนาแน่นโดยประมาณที่ราบรื่นกับความหนาแน่นของรูปทรงแบบสุ่ม
แบบจำลองการผสมแบบเกาส์ถูกใช้ในระบบไบโอเมตริกซ์ซึ่งแบบจำลองพารามิเตอร์ช่วยในการทำความเข้าใจกับคุณสมบัติหรือการวัดที่เกี่ยวข้องกับสิ่งต่างๆเช่นคุณลักษณะสเปกตรัมทางเดินเสียง แบบจำลองการผสมแบบเกาส์ยังใช้สำหรับการประมาณความหนาแน่นและถือเป็นเทคนิคที่ครบกำหนดทางสถิติมากที่สุดสำหรับการจัดกลุ่ม
