Gaussian Mixture Model (GMM)

Gaussian Mixture Model

Türkçe: Gauss Karışım Modeli

Ayrıntılı Tanım

Verilerin tek bir merkezden değil, farklı ortalama (

\mu

) ve kovaryanslara (

\Sigma

) sahip birden fazla normal (Gauss) dağılımının karışımından türediğini varsayan olasılıksal kümeleme modelidir.

Ne İşe Yarar / Çözülen Problem

K-Means'in katı dairesel sınırlarını aşarak eliptik, basık ve farklı yönlere uzanan karmaşık veri kümelerini başarıyla gruplar; "yumuşak kümeleme" (soft clustering) yapar.

Nasıl Çalışır? (Teknik & Mekanizma)

Her veri noktasının bir kümeye ait olma olasılığı hesaplanır:

p(x) = \sum_{k=1}^{K} \pi_k \mathcal{N}(x | \mu_k, \Sigma_k)

Parametreler Expectation-Maximization (EM) algoritması ile kestirilir.

Örnek Senaryo & Pratik Uygulama

Bir giyim markasının kadın ve erkek beden ölçülerini modellerken, verinin iki farklı çan eğrisinin (boy/kilo Gauss dağılımı) birleşiminden oluştuğunu modellemesi.

Benzer Terimlerden Farkı

K-Means bir noktayı kesin olarak tek bir kümeye atarken (hard clustering), GMM "Bu nokta %80 A kümesine, %20 B kümesine aittir" der.

İlişkili Terimler (3)

#53

K-Means

K-Ortalamalar Kümeleme Algoritması

#55

Expectation-Maximization (EM)

Beklenti - Maksimizasyon Algoritması

#52

Clustering

Kümeleme

Ait Olduğu Kategori

Klasik Makine Öğrenmesi ve İstatistiksel Kuram

Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.

Toplam Terim:68 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#53)K-Means

Sonraki Terim (#55)Expectation-Maximization (EM)