高斯混合模型（GMM）是一种将数据分解为多个高斯分布的生成模型。从几何角度看，GMM是多个高斯分布的加权平均，而从混合模型角度看，每个样本可能来自其中一个高斯分布。由于直接最大似然估计（MLE）无法求解GMM参数，因此使用EM（期望最大化）算法进行求解。在EM算法中，E-step计算隐变量的后验概率，M-step更新模型参数，包括高斯分布的权重、均值和协方差矩阵。
1.高斯混合模型是由若干的基于高斯概率密度函数形成的模型
2.从几何角度，GMM是多个高斯分布叠加而成的加权平均的结果
3.从混合模型角度，每个样本是从某个高斯分布抽样得到的
4.直接利用MLE无法求解高斯混合模型，得利用EM算法求解GMM
5.假设K个高斯分布组成的GMM，求解参数有3K个：每个高斯分布的抽样概率，每个高斯分布的均值和协方差矩阵
高斯混合模型，英文是Gaussian Mixture Model，简称GMM。它是一个将事物分解为若干的基于高斯概率密度函数形成的模型，属于生成模型。
两个角度看GMM
4441
1616
1811
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
