Table des matières:
- Définition - Que signifie le modèle de mélange gaussien (GMM)?
- Techopedia explique le modèle de mélange gaussien (GMM)
Définition - Que signifie le modèle de mélange gaussien (GMM)?
Un modèle de mélange gaussien (GMM) est une catégorie de modèle probabiliste qui stipule que tous les points de données générés sont dérivés d'un mélange d'une distribution gaussienne finie qui n'a pas de paramètres connus. Les paramètres des modèles de mélange gaussiens sont dérivés soit d'une estimation a posteriori maximale, soit d'un algorithme itératif de maximisation des attentes à partir d'un modèle antérieur bien formé. Les modèles de mélange gaussiens sont très utiles lorsqu'il s'agit de modéliser des données, en particulier des données provenant de plusieurs groupes.
Techopedia explique le modèle de mélange gaussien (GMM)
Mathématiquement, les modèles de mélange gaussiens sont un exemple d'une fonction de densité de probabilité paramétrique, qui peut être représentée comme une somme pondérée de toutes les densités de composantes gaussiennes. En d'autres termes, la somme pondérée des densités gaussiennes à composantes M est connue sous le nom de modèle de mélange gaussien, et mathématiquement, elle est p (x | λ) = XM i = 1 wi g (x | µi, Σi), où M est noté pour poids du mélange, x est le vecteur de données à valeur continue de la dimension D et et g (x | µi, Σi) est les densités gaussiennes composantes. Un modèle de mélange gaussien se compose de matrices de covariance, de poids de mélange et de vecteurs moyens de chaque densité de composants présente. Les gaussiens sont pleinement capables de modéliser les corrélations des éléments vectoriels caractéristiques grâce à la combinaison linéaire de la base de covariance diagonale. Une autre caractéristique du modèle de mélange gaussien est la formation d'approximations lisses à des densités de forme aléatoire.
Les modèles de mélange gaussiens sont utilisés dans les systèmes biométriques où le modèle paramétrique aide à comprendre les caractéristiques ou les mesures liées à celles telles que les caractéristiques spectrales des voies vocales. Les modèles de mélange gaussiens sont également utilisés pour l'estimation de la densité et sont considérés comme les techniques de regroupement les plus matures statistiquement.
