机器学习强基计划7-4：详细推导高斯混合聚类(GMM)原理(附Python实现)

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套的各个经典算法，不依赖于现有库，可以大大加深对算法的理解。

🚀详情：机器学习强基计划(附几十种经典模型源码)

---

1 高斯概率密度

高斯分布又叫正态分布，是一个在理科、工科、文科等多个领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力，具有：

• 集中性：正态曲线的高峰位于正中央
• 对称性：正态曲线以均值为中心，左右对称
• 均匀性：正态曲线从均值处开始，分别向左右两侧逐渐均匀下降

高斯分布的表达式是

f (