目录:
定义-高斯混合模型（GMM）是什么意思？
高斯混合模型（GMM）是一类概率模型，它声明所有生成的数据点均来自没有已知参数的有限高斯分布的混合物。 高斯混合模型的参数可以从最大后验估计中推导出，也可以从训练有素的现有模型中获得迭代期望最大化算法。 高斯混合模型在建模数据（尤其是来自多个组的数据）时非常有用。
Techopedia解释了高斯混合模型（GMM）
在数学上，高斯混合模型是参数概率密度函数的一个示例，可以将其表示为所有高斯分量密度的加权和。 换句话说，M分量高斯密度的加权和称为高斯混合模型，数学上为p（x |λ）= XM i = 1 wi g（x | µi，Σi），其中M表示为混合权重，x是来自D维的连续值数据向量，而g（x | µi，Σi）是分量高斯密度。 高斯混合模型由协方差矩阵，混合权重和存在的每种成分密度的均值向量组成。 由于对角协方差基础的线性组合，高斯人完全有能力对特征向量元素的相关性进行建模。 高斯混合模型的另一个特征是形成随机形状密度的平滑近似值。
高斯混合模型用于生物特征识别系统中，其中参数模型有助于理解特征或与之相关的测量值，例如声道频谱特征。 高斯混合模型也用于密度估计，被认为是统计上最成熟的聚类技术。
