高斯混合模型(GMM)浅入理解
学习的资料主要是看大佬的一些博客和李航老师的统计学习第九章,感谢!
其中有篇笔记让小匹眼前一亮,这里贴出来:
知乎_戴文亮_高斯混合模型(GMM)
进入正题
目录
- 1.1 概念理解
- 1.2 隐变量
- 1.3 聚类功能
1.1 概念理解
高斯混合模型(GMM),是单一高斯模型的延伸,其概率分布模型为:
P ( x ∣ θ ) = ∑ k = 1 K α k ϕ ( x ∣ θ k ) P(x|\theta) = \sum_{k=1}^K\alpha_k\phi(x|\theta_k) P(x∣θ)=k=1∑Kαkϕ(x∣θk)
由公式可以看出,高斯混合模型可以看做由k个单一高斯模型混合而成的。
其中k是隐变量,在训练中不能直接使用,所以不能简单地用以往的普通极大似然估计来训练参数。和高斯混合模型配套使用的EM算法,就是专门用来解决隐变量问题的。
1.2 隐变量
隐变量是什么?网络上的一些解释是,不能直接被观测的数。(有点量子化了。。。)
我的理解是,例如上式的隐变量k,k是在整个训练完全结束之后才确定的数,是个对整体数据观测之后得到的一个寻优近似量。
所以,在训练过程中,不能调用这个k,k是始终在优化的。这也是高斯混合模型的聚类功能的体现,无监督聚类到最后才能观测聚成了几类。
训练的时候不能调用它,需要用其它方法去绕开隐变量。于是,诞生了EM算法,用Q函数绕开隐变量,近似估计极大似然。
1.3 聚类功能
GMM,常用于分类问题,因为GMM本身具有聚类功能。这里要区别分类与聚类。
在无监督无训练条件的情况聚类,可以达到初分类的效果,如下图:这图若需删除请及时联系。
左图:单一高斯模型,右图:GMM
可以看到,GMM在单一高斯模型的基础上,把堆数据细分分成了三类,保留了这堆数据原有的信息。
相较单一高斯模型,GMM通过多模型可以更好的描述同一类别具有多种不同属性的情况(逼近多峰值曲线),有较好的数据分类能力。
高斯混合模型(GMM)浅入理解相关推荐
- 高斯混合模型GMM的理解
高斯混合模型(Gaussian Mixture Model,简称GMM)是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型.通俗点 ...
- EM算法应用:k均值聚类(k-means)和高斯混合模型(GMM)
文章目录 k-means聚类 EM角度的理解 算法流程 特点 k值选择 局限性 高斯混合模型 GMM的问题描述 1,明确隐变量 2.EM算法的E步:确定Q函数 3. EM算法的E步 4. 停止条件 上 ...
- 混合高斯模型_大数据小白入门高斯混合模型(GMM)聚类算法
导读 高斯混合模型(Gaussian Mixture Model)通常简称GMM,是一种业界广泛使用的聚类算法,属于生成式模型,它假设所有的数据样本都是由某一个给定参数的 多元高斯分布 所生成的.从中 ...
- 一维(多维)高斯模型(One(Multi)-dimensional Gaussian Model) 高斯混合模型GMM(Gaussian Mixture Model)
一维高斯模型(One-dimensional Gaussian Model) 若随机变量X服从一个数学期望为,标准方差为的高斯分布,记为: x~N(,). 则概率密度函数为: 高斯分布的期望值决定了其 ...
- ITK学习笔记(八) ITK高斯混合模型 GMM EM
ITK学习笔记(八) ITK高斯混合模型 GMM EM 1.高斯混合模型 2.变分贝叶斯高斯混合 3.ITK中的GMM.EM 1.高斯混合模型 sklearn.mixture是一个能够学习高斯混合模型 ...
- 高斯混合模型GMM、核心参数、高斯混合模型GMM的数学形式
高斯混合模型GMM.核心参数.高斯混合模型GMM的数学形式 高斯混合模型GMM 混合模型是一个可以用来表示在总体分布(distribution)中含有 K 个子分布的概率模型,换句话说,混合模型表示了 ...
- 高斯混合模型--GMM(Gaussian Mixture Model)
参考:http://blog.sina.com.cn/s/blog_54d460e40101ec00.html 概率指事件随机发生的机率,对于均匀分布函数,概率密度等于一段区间(事件的取值范围)的概率 ...
- 高斯混合模型--GMM
原文:http://blog.sina.com.cn/s/blog_54d460e40101ec00.html 高斯混合模型--GMM(Gaussian Mixture Model) 统计 ...
- 单高斯分布模型GSM,高斯混合模型GMM
本文就高斯混合模型(GMM,Gaussian Mixture Model)参数如何确立这个问题,详细讲解期望最大化(EM,Expectation Maximization)算法的实施过程. 单高斯分布 ...
- 使用高斯混合模型(GMM)近似未知分布:EM算法的应用
该篇博客是对邱锡鹏老师<神经网络与深度学习>的学习笔记.在阅读本博文之前,建议读者先阅读上一篇博客EM算法. 高斯混合模型(Gaussian Mixture Model) 如果一个连续随机 ...
最新文章
- 交换机无法ping通之谜
- 【收藏】华为5700系列交换机常用配置示例
- ZOJ4024 Peak
- mysql dcn_Mysql varchar(max)
- asp:dropdownlist如何去掉三角箭头_科目二倒库打轮早会压库角,教练9图详解如何快速调车避免压线?...
- SSH客户端常用工具SecureCRT操作
- 5000册售罄!怎能不为你骄傲?「博客出书的故事⑤」
- myeclipse将普通java项目转换成maven项目_Myeclipse Java项目转换成Maven项目
- 小程序首次获选世界互联网领先科技成果
- i310100和i59400f哪个好 i3 10100和i5 9400f差距大吗
- STC8A 进行USB直接ISP下载
- 说出我的故事,献给正在迷茫的你
- 1.1微信小程序做调查问卷
- 《强化学习与最优控制》学习笔记(一):确定性动态规划和随机性动态规划
- 鼠标按下拖拽移动盒子
- 2019年计算机专业录取分数线排名,2019中国高校录取分数线排名 全国大学录取分数线表...
- Amazon CloudWatch 介绍/学习
- 00后测试员摸爬滚打近一年,为是否要转行或去学软件测试的学弟们总结出了以下走心建议
- Python基础——turtle库数码管实现倒计时
- 零基础学c语言要多久,零基础学习单片机编程需要多长时间?
热门文章
- Python数据类型及操作
- 学习前端常用到的网站
- tcl基本语法:中括号[ ]、大括号{ }、双引号“ ”
- 用Python一键生成属于自己的QQ历史报告,看看你对自己的QQ了解程度有多深?
- 使用激光雷达(rplidar A2)和 google cartographer_ros算法包建图(以及转换为yaml文件)
- 服务于离群点检测的无监督特征选择值-特征层次耦合模型
- IOS开发者证书配置和安装。。。
- 《C++ Primer》第5章 5.2节习题答案
- 最高补贴1000元/kW,山东光伏补贴来了
- 数据挖掘经典十大算法_条件熵、信息增益介绍