Définition - Que signifie le modèle de mélange gaussien (GMM)?
Un modèle de mélange gaussien (GMM) est une catégorie de modèle probabiliste qui déclare que tous les points de données générés sont dérivés d'un mélange de distributions gaussiennes finies qui n'ont pas de paramètres connus. Les paramètres des modèles de mélanges gaussiens sont dérivés soit d'une estimation maximale a posteriori, soit d'un algorithme itératif d'espérance-maximisation à partir d'un modèle antérieur bien formé. Les modèles de mélange gaussiens sont très utiles pour modéliser des données, en particulier des données provenant de plusieurs groupes.
Definir Tech explique le modèle de mélange gaussien (GMM)
Mathématiquement, les modèles de mélange gaussien sont un exemple de fonction de densité de probabilité paramétrique, qui peut être représentée comme une somme pondérée de toutes les densités de composantes gaussiennes. En d'autres termes, la somme pondérée des M densités gaussiennes des composantes est connue sous le nom de modèle de mélange gaussien, et mathématiquement elle est p (x | λ) = XM i = 1 wi g (x | µi, Σi), où M est noté pour poids de mélange, x est le vecteur de données à valeur continue de la dimension D et et g (x | µi, Σi) est la composante des densités gaussiennes. Un modèle de mélange gaussien se compose de matrices de covariance, de poids de mélange et de vecteurs moyens de chaque densité de composant présente. Les gaussiens sont tout à fait capables de modéliser les corrélations des éléments vectoriels caractéristiques grâce à la combinaison linéaire de la base de covariance diagonale. Une autre caractéristique du modèle de mélange gaussien est la formation d'approximations lisses de densités de forme aléatoire.
Les modèles de mélange gaussiens sont utilisés dans les systèmes biométriques où le modèle paramétrique aide à comprendre les caractéristiques ou les mesures liées à celles telles que les caractéristiques spectrales des voies vocales. Les modèles de mélanges gaussiens sont également utilisés pour l'estimation de la densité et sont considérés comme les techniques de regroupement les plus matures sur le plan statistique.