高斯，为什么总是高斯分布？

最新推荐文章于 2024-07-18 07:55:58 发布

windtalkersm

最新推荐文章于 2024-07-18 07:55:58 发布

阅读量2.1k

点赞数

分类专栏：算法备忘

本文链接：https://blog.csdn.net/windtalkersm/article/details/17498323

版权

高斯混合模型（GMM）常用于数据建模，因为它们是通用函数近似器，能通过增加混合成分数量逼近任何原始分布。即使数据原本并非来自GMM，也能通过GMM进行精确建模。这类似于傅立叶变换原理，可通过不同幅值的高斯分布逼近任意分布。

摘要由CSDN通过智能技术生成

前段时间的group reading 上，一个senior lecturer发出上述疑问我想不光是她，很多人都有或有过类似的想法。正好research gate上有这样的问答，我觉得解释的很清楚了---尽管很简短

If I have a dataset, how can I prove that this dataset has a nature of Gaussian Mixture Model GMM?

One reason why GMMs are used without asking the question if the data is GMM distributed lies in the fact that a GMM is a universal function approximator. That is, whatever the original distribution of the data was, when allowing a significant number of mixture components, it is expected that the GMM approaches the true distribution.

As Marco Huber