gmm

Description

L'action gmmLe Gaussian Mixture Model (GMM) est un algorithme de clustering probabiliste qui suppose que les données sont issues d'une superposition de plusieurs distributions gaussiennes aux paramètres inconnus. de l'ensemble d'actions nonParametricBayes effectue un clusteringLe clustering est une technique d'apprentissage non supervisé regroupant des données similaires en segments homogènes afin d'identifier des structures cachées sans étiquettes préalables. en utilisant des modèles de mélange gaussien (Gaussian Mixture ModelsLes Gaussian Mixture Models (GMM) sont des modèles probabilistes de clustering supposant que les données sont issues d'une combinaison de plusieurs distributions normales aux paramètres inconnus.). Contrairement au K-meansLe clustering K-means (ou algorithme des k-moyennes) est une méthode d'apprentissage automatique non supervisé qui sert à diviser des données non étiquetées en $k$ groupes distincts (clusters) selon leurs similitudes. classique, le GMMLe Gaussian Mixture Model (GMM) est un algorithme de clustering probabiliste qui suppose que les données sont issues d'une superposition de plusieurs distributions gaussiennes aux paramètres inconnus. suppose que les données sont générées à partir d'un mélange de plusieurs distributions gaussiennes avec des paramètres inconnus. C'est un peu comme essayer de classer des nuages de points qui se chevauchent : on ne se contente pas de dire à quel centre un point appartient, on calcule la probabilité qu'il appartienne à chaque nuage ! Cette version implémente une approche bayésienne non paramétrique qui permet de découvrir automatiquement le nombre optimal de clusters (si vous êtes d'humeur indécise) en utilisant un processus de Dirichlet.