混合高斯模型
一. 算法介绍
1.1简介
混合高斯模型 Gaussian mixture model (GMM) 是一种概率模型,它假定样本是由多个参数未知的高斯分布(二维时叫做正态分布)的混合生成的。is a probabilistic model that assumes that the instances were generated from a mixture of several Gaussian distributions whose parameters are unknown.
从单独的高斯分布生成的所有样本都形成一个cluster,这个cluster通常看起来像一个椭球.每个簇可以具有不同的椭圆形状,大小,密度和方向,就像下图一样
当你观察一个样本时,你知道它是从一个高斯分布中生成的,但你并不知道它属于哪一个高斯分布,并且不知道这些分布的参数是什么
1.2 GMM变体variant
高斯混合模型有一些变体,其中最简单的: 在GaussianMixture
类中实现.您必须事先知道高斯分布的数量k。 假定数据集X是通过以下概率过程生成的:
- 对于每一个样本
卡住了!!!复习一下密度函数和协方差矩阵再回来看 卡在了书的P263