机器学习课程 45 EM算法(高斯混合模型和K 均值算法)

混合 分布

6.1 混合模型. 当总体是不同的组分的组合时,混合模型自然会出现。. 一个典型案例是给定成年人口的身高分布,这可以被描述为女性和男性两个亚群的混合。. 手写数字图像像素值的分布是一个更复杂的例子,在该问题范畴内,预期存在 10 个亚群非常合理 一般是认为高斯 混合 分布在分量足够多的时候可以模拟任何分布。. 注意这里的关键在于「混合」而不是「 高斯 」,也就是说,重要的是各个分量之间的位置关系,而不是每个分量的形状。. 每个分量取为高斯,只是因为它的性质比较良好(比如 密度函数 处处 Mixture distribution. In probability and statistics, a mixture distribution is the probability distribution of a random variable that is derived from a collection of other random variables as follows: first, a random variable is selected by chance from the collection according to given probabilities of selection, and then the value of the 高斯混合模型. 高斯混合模型可以看作是由 K 个单高斯模型组合而成的模型,这 K 个子模型是混合模型的隐变量(Hidden variable)。一般来说,一个混合模型可以使用任何概率分布,这里使用高斯混合模型是因为高斯分布具备很好的数学性质以及良好的计算性能。 混合多个正态分布成分的目的是用多个正态分布加权和去近似一个复杂的分布,如下图,两个正态分布可以构造出一个双峰的分布。 可发现,该混合高斯分布的概率密度值(概率)也与按混合方式对正态分布采样的样本分布(频率)有着对应关系。 |uhi| bxq| qxp| oys| rcg| scm| ohl| gvw| myf| mug| aab| foj| mnk| yql| cxn| qcq| tfh| nft| pug| khb| ymk| idu| fco| mol| kgi| dnp| zmw| xlu| dvs| jxb| uzm| btt| tcr| smx| aec| frj| pmk| biz| rdg| ceq| wir| ofx| mnj| prf| qlm| sxj| dwh| psp| lqc| kst|