이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

가우스 혼합 모델

기대값 최대화 알고리즘을 사용하여 가우스 혼합 모델을 기준으로 군집화

가우스 혼합 모델(GMM)은 데이터 점이 할당된 군집에 속하는 사후 확률을 극대화하는 방식으로 각 관측값을 군집에 할당합니다. 모델을 데이터에 피팅(fitgmdist)하거나 모수 값을 지정(gmdistribution)하여 GMM 객체 gmdistribution을 생성합니다. 그런 다음, 객체 함수를 사용하여 군집 분석을 수행하고(cluster, posterior, mahal), 모델을 실행하고(cdf, pdf), 확률 변량을 생성합니다(random).

가우스 혼합 모델에 대한 자세한 내용은 Gaussian Mixture Models 항목을 참조하십시오.

함수

모두 확장

fitgmdist가우스 혼합 모델을 데이터에 피팅
gmdistribution가우스 혼합 모델 생성
cdfCumulative distribution function for Gaussian mixture distribution
clusterConstruct clusters from Gaussian mixture distribution
mahalMahalanobis distance to Gaussian mixture component
pdfProbability density function for Gaussian mixture distribution
posteriorPosterior probability of Gaussian mixture component
randomRandom variate from Gaussian mixture distribution

도움말 항목

Gaussian Mixture Models

Gaussian mixture models (GMMs) contain k multivariate normal density components, where k is a positive integer.

가우스 혼합 모델을 사용하여 군집화하기

데이터를 크기와 상관관계 구조가 각각 다른 군집으로 분할합니다.

Cluster Gaussian Mixture Data Using Hard Clustering

Implement hard clustering on simulated data from a mixture of Gaussian distributions.

Cluster Gaussian Mixture Data Using Soft Clustering

Implement soft clustering on simulated data from a mixture of Gaussian distributions.

Tune Gaussian Mixture Models

Determine the best Gaussian mixture model (GMM) fit by adjusting the number of components and the component covariance matrix structure.

Introduction to Cluster Analysis

Understand the basic types of cluster analysis.

Statistics and Machine Learning Toolbox 문서
지원
Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Download ebook