5 처지: 기댓값 최대화 알고리즘, GMM, 은닉 마르코프 모델, 지수족, K-평균 알고리즘.
기댓값 최대화 알고리즘
올드페이스풀 간헐천 분화 데이터. 데이터가 정규분포 혼합 모델에서 관측되었다고 가정하고, 기댓값 최대화 클러스터 분석을 이용해 매개변수들을 추정하는 과정이다. 기댓값 최대화 과정이 반복됨에 따라 매개변수들이 수렴하고 두 개의 군집이 나타나는 것을 볼 수 있다. 기댓값 최대화 알고리즘(expectation-maximization algorithm, 약자 EM 알고리즘)은 관측되지 않는 잠재변수에 의존하는 확률 모델에서 최대가능도(maximum likelihood)나 최대사후확률(maximum a posteriori, 약자 MAP)을 갖는 매개변수를 찾는 반복적인 알고리즘이.
새로운!!: 혼합 모델와 기댓값 최대화 알고리즘 · 더보기 »
GMM
GMM의 다른 뜻은 다음과 같.
새로운!!: 혼합 모델와 GMM · 더보기 »
은닉 마르코프 모델
은닉 마르코프 모델(HMM)은 통계적 마르코프 모델의 하나로, 시스템이 은닉된 상태와 관찰가능한 결과의 두 가지 요소로 이루어졌다고 보는 모델이.
새로운!!: 혼합 모델와 은닉 마르코프 모델 · 더보기 »
지수족
수족(exponential family)은 지수함수와 연관되어 있는 특정 확률분포 종류를 가리키는 말로, 정규 분포나 감마 분포, 다항 분포 등 일반적으로 널리 사용되는 분포들이 다수 포함되어 있.
새로운!!: 혼합 모델와 지수족 · 더보기 »
K-평균 알고리즘
K-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작.
새로운!!: 혼합 모델와 K-평균 알고리즘 · 더보기 »