【机器学习之高斯混合模型(Gaussian Mixed Model,GMM) 】
文章目录
- 前言
- 一、高斯混合模型(Gaussian Mixed Model,GMM) 是什么?
- 二、详解GMM
- 1.初步原理
- 2.EM算法
- 3.深读原理
- 3.GMM(高斯混合模型)和K-means的比较
- 3-1.相同点:
- 3-2.不同点:
- 总结
前言
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
一、高斯混合模型(Gaussian Mixed Model,GMM) 是什么?
首先高斯混合模型(GMM) 其实也是一种常见的聚类算法,跟K均值算法类似,同样使用了EM算法进行迭代计算。
高斯混合模型最核心的思想就是线假设每个簇的数据都是符合高斯分布(又叫正态分布)的,当前数据呈现的分布就是各个簇的高斯分布叠加在一起的结果。它就是用多个高斯分布函数的线形组合来对数据分布来进行拟合,理论上它是可以拟合出任意类型的分布。
二、详解GMM
1.初步原理
通常我们没办法直接拿到模型的参数,是通过观察数据点,给出了类别数量后,然后通过极大似然估计算法来计算的,但是得到的是一个非常复杂的非凸函数,目标函数是和的对数,难以展开和对其求偏导。这种情况下我们通过EM(最大期望)算法先固定一个变量让整体的函数变为凸优化函数,求导得到最值,然后利用最优参数更新被固定的变量,进入下一个循环进行实现。
2.EM算法
EM算法就是三步:
①E步就是计算期望(E),利用对隐藏变量的现有估计值,计算它的最大似然估计(用期望来消除隐变量);
②M步就是最大化(M),最大化在E步上求得的最大似然值来计算参数的值。
③然后就是迭代。
3.深读原理
高斯混合模型其实是一个生成式模型,刚开始不知道高斯分布的三个参数(均值μ,方差Σ、权重π),也不知道每个数据是哪个高斯分布产生的。所以每次循环的时侯,先固定当前的高斯分布不变,获得每个数据点由各个高斯分布生成的概率。然后固定该生成概率不变,根据数据点和生成概率,获得一个组更佳的高斯分布。循环往复,直到参数的不再变化,或者变化非常小时,然后我们就得到了比较合理的一组高斯分布。
3.GMM(高斯混合模型)和K-means的比较
3-1.相同点:
①都是聚类的算法;
②都需要指定聚K个类;
③都是用EM最大期望来求解;
④一般都只能收敛到局部最优。
3-2.不同点:
①GMM给出一个样本属于某类的概率是多少;
②GMM不仅能做聚类,还能进行概率密度的估计;
③其实GMM还可以用来生成新的样本点。
总结
以上就是今天要讲的内容,本文仅仅简单介绍了GMM的使用
【机器学习之高斯混合模型(Gaussian Mixed Model,GMM) 】相关推荐
- 高斯混合模型Gaussian Mixture Model (GMM)——通过增加 Model 的个数,我们可以任意地逼近任何连续的概率密分布...
从几何上讲,单高斯分布模型在二维空间应该近似于椭圆,在三维空间上近似于椭球.遗憾的是在很多分类问题中,属于同一类别的样本点并不满足"椭圆"分布的特性.这就引入了高斯混合模型.--可 ...
- 高斯-赛得尔迭代式 c++_高斯混合模型(Gaussian Mixture Model)与EM算法原理(一)
高斯混合模型(Gaussian Mixture Model)是机器学习中一种常用的聚类算法,本文介绍了其原理,并推导了其参数估计的过程.主要参考Christopher M. Bishop的<Pa ...
- 详解EM算法与混合高斯模型(Gaussian mixture model, GMM)
最近在看晓川老(shi)师(shu)的博士论文,接触了混合高斯模型(Gaussian mixture model, GMM)和EM(Expectation Maximization)算法,不禁被论文中 ...
- 十一、高斯混合模型(Gaussian Mixed Model, GMM)
1 高斯模型 1.1 单高斯模型 当样本数据 X X X 是一维数据时, X X X 服从高斯分布是指其概率密度函数(Probability Density Function)可以用下面的式子表示: ...
- 语音识别学习日志 2019-7-14 语音识别基础知识准备2 {EM算法与混合高斯模型(Gaussian mixture model, GMM)}
https://blog.csdn.net/lin_limin/article/details/81048411会对GMM和EM做详细介绍 本文参考: http://www.ituring.com.c ...
- 高斯混合模型(GaussianMixture Model, GMM)聚类、可视化最优协方差形式、通过TSNE进行结果可视化分析、抽取核心特征因子
高斯混合模型模型: sklearn.mixture.GaussianMixture 混合高斯模型(Gaussian Mixture Model,简称GMM)是用高斯概率密度函数(正态分布曲线)精确地量 ...
- 高斯混合模型(Gaussian Mixture Model)
混 合 模 型 使 我 们 能 够 一 瞥 以 后 会 用 到 的 一 个 非 常 重 要 的 概 念 -- 潜 变 量(latent variable).潜变量是我们不能直接观测到的随机变量.
- 混合高斯模型(Gaussian Mixture Model,GMM)
高斯混合聚类和k 均值算法(k-means)都属于原型聚类,但与k均值用原型向量来刻画聚类结构不同,高斯混合聚类采用概率模型来表达聚类原型. 一.混合模型(Mixture Model) 混合模型是一个 ...
- 【机器学习】高斯混合模型详解
目录 1 引言 2 高斯混合模型 2.1 高斯分布 2.2 高斯混合模型 3 高斯混合模型的求解 4 参考文献 1 引言 高斯混合模型(Gaussian Mixture Model, GMM)是单 ...
最新文章
- 关于Oracle.ManagedDataAccess数据库表加字段后,必须重启的问题
- python基础教程:包的创建及导入
- bartender外部表不是预期格式_三张表轻松搞定项目计划
- 获取直播连接[.m3u8]
- java 分句_JAVA按文字,标点符号和引号分割句子
- php导出excel失败原因,PHPExcel导出Excel文件报找不到该文件错误
- laravel 5.1 php版本号,发行版本说明 | 序言 | Laravel 5.1 中文文档
- Oracle分析函数六——数据分布函数及报表函数
- 合成视频以假乱真新高度!商汤科技、中科院、南洋理工大学联合提出当前最高清的语音驱动视频生成系统...
- Elasticsearch 嵌套类型nested
- python创意小作品-python turtle库的几个小demo
- C# MP3操作类,能播放指定的mp3文件,或播放嵌入的资源中的Mp3文件
- java 如何执行dig 命令_dig命令简介
- 计算机毕业设计之 [含论文+答辩PPT+任务书+中期检查表+源码等]S2SH动漫论坛[包运行成功]
- api 二次 开发 禅道_禅道 Rest API 开发
- 今日学习在线编程题:幻数
- 从前世看今生,从JavaEE到微服务
- HaaS轻应用(JavaScript)低功耗蓝牙案例
- 判断南红价值,“红“的等级是关键
- 莱昂纳多或出演乔布斯传记电影
热门文章
- C#入门简单计算矩形面积程序
- 【java】java定时任务1秒调度一次会怎么样
- 地域歧视,民警侮辱东北人
- linux 中 ACPI 电源管理 G 状态、S 状态、D 状态、C 状态、P 状态
- 计算机二维辅助设计课程设计的目的,计算机辅助设计(园林专业)教案12-13-1.doc...
- python 环境隔离 virtualenv workon设置环境变量mac windows
- 笔记笔记笔记笔记笔记笔记
- iOS - IM 即时通讯
- 事务(Transaction)简述
- Java设置窗体的背景颜色