高斯混合模型简析

1、什么是高斯混合模型？

高斯混合模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，它是一个将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。

2、高斯混合聚类过程？

1. 假设该数据集符合k个高斯分布；（k值如何确定）
2. 判断每个样本符合各个分布的概率；（判断函数是什么）
3. 将样本划为概率最大的那个分布簇内；
4. 更新高斯分布参数，使用极大似然估计；（什么是极大似然估计）
5. 基于新的分布去计算符合各个分布的概率；
6. 不断迭代，直至模型收敛达到局部最优解。

3、高斯混合聚类初始k值如何确定？

高斯混合模型对初始值的选取敏感，可以使用例如k-means算法对数据集进行预训练

4、如何求解样本符合各个分布的概率？

数据符合高斯分布，进行极大似然估计求解，将极大似然估计值最大的样本划分进去

5、什么是极大似然估计？

极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”

6、极大似然估计函数的求解步骤？

1. 写出似然函数；
2. 对似然函数取对数，并整理；
3. 求导数；
4. 解似然方程。

7、什么是高斯概率密度函数（正态分布曲线）？

一元高斯分布、二元高斯分布、多元高斯分布