Gauss karışım modeli ne zaman kullanılır?

GMM kullanmakta yeniyim. Çevrimiçi olarak uygun herhangi bir yardım bulamadım. "GMM kullanmanın sorunuma uyup uymadığına nasıl karar verilir?" veya sınıflandırma sorunları olması durumunda "SVM sınıflandırmasını mı yoksa GMM sınıflandırmasını mı kullanmam gerektiğine nasıl karar verilir?"

— Vinay
kaynak

veri kümeniz nedir ve tam sorununuz nedir? Veriler 1'den fazla normal dağılımı takip ettiğinde (bir karışımı olduğunda) kullanılır. Başka bir soruya bakın - stats.stackexchange.com/questions/236295/…

— Arpit Sisodia

Bunu, etiketlenmiş verilere sahip olmadığınız bir kümelenme şekli olarak düşünebilir ve gizli grupların mükemmel şekilde çok değişkenli normal olduğuna inanabilirsiniz.

— gung - Monica'yı eski durumuna getirin

@ arpit-sisodia, Belirli özelliklere sahip bir donanım klavyesi kurulumunun fizibilitesi üzerinde çalışıyoruz ve GMM kullanarak modellemeyi planlıyoruz. Altta yatan süreci net olarak bilmiyoruz ve bu nedenle makine öğrenme yöntemlerini kullanarak modellemeye çalışıyoruz. Dolayısıyla, altta yatan süreçte gerçekten bir gaussian karışımı olup olmadığından emin değiliz. Dahası, çok boyutlu ve gaussianların karışımı olup olmadığını görmek için görselleştiremiyoruz

— Vinay

@ arpit-sisodia, sağladığınız Link, GMM'nin verilerime uyup uymadığını görmek için daha fazla deneme yanılma yöntemi öneriyor. Kullanılacak modellere karar vermek için kesin bir yol / Thumb kuralı var mı? Daha fazla karışımla oynamak için deneme yanılma yöntemi verilerime sığabilir. Ama karar vermenin belli bir yolu var mı? SVM sınıflandırması için verilerin doğrusal ayrılabilirliğine ihtiyacımız var

— Vinay

Yanıtlar:

Bence, veri noktalarının bir gauss dağılımının karışımları olduğunu bildiğinizde GMM yapabilirsiniz. Temel olarak farklı ortalama ve standart sapmalı kümeler oluşturmak. Scikit-learn web sitesinde güzel bir diyagram var. L

GMM sınıflandırması

Bir yaklaşım yumuşak kümelenme yöntemlerini kullanarak kümeleri bulmak ve daha sonra gausslu olup olmadıklarını görmektir. Eğer öyleyse, tüm veri kümesini temsil eden bir GMM modeli uygulayabilirsiniz.

— katil
kaynak

çoğu zaman veri noktalarının Gauss Karışımı olup olmadığını bilmiyoruz. Yani, bu Gauss ve MoG ile daha çok oynamak ve uyup uymadığını görmek. Ancak GMM'yi doğru kullanma konusunda yönlendirme / başparmak kuralları yok

— Vinay

Deneyimlerime göre, bir Mixture modeli olan verilerdeki deseni bulmanız gerekiyor. Okumak için güzel bir makale şu olurdu: stat.cmu.edu/~cshalizi/uADA/12/lectures/ch20.pdf

— Slayer

Hedefiniz (1) küme gözlemleri, (2) üretken bir model belirtmek veya (3) yoğunlukları tahmin etmekse, GMM'ler genellikle başlamak için iyi bir yerdir. Aslında, kümeleme için GMM'ler k-araçlarının bir üst kümesidir .

— 1_e
kaynak