高斯混合模型GMM（Gaussian Mixture Model）

    统计学习的模型有两种，一种是概率模型，一种是非概率模型。

    所谓概率模型，是指训练模型的形式是P(Y|X)。输入是X，输出是Y，训练后模型得到的输出不是一个具体的值，而是一系列的概率值（对应于分类问题来说，就是输入X对应于各个不同Y（类）的概率），然后我们选取概率最大的那个类作为判决对象（软分类--soft assignment）。所谓非概率模型，是指训练模型是一个决策函数Y=f(X)，输入数据X是多少就可以投影得到唯一的Y，即判决结果（硬分类--hard assignment）。

    GMM假设样本分布是几个高斯分布的加权和。

    混合高斯模型定义为：