Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Modelos de mixtura gaussianos

Agrupe en función de modelos de mixtura gaussianos mediante el algoritmo de esperanza-maximización

Los modelos de mixtura gaussianos (MMG) asignan cada observación a un cluster maximizando la probabilidad a posteriori de que un punto de datos pertenezca al cluster asignado. Cree un objeto MMG gmdistribution ajustando un modelo a los datos (fitgmdist) o especificando los valores de los parámetros (gmdistribution). Después, utilice las funciones del objeto para realizar un análisis de clusters (cluster, posterior, mahal), evaluar el modelo (cdf, pdf) y generar variables aleatorias (random).

Funciones

expandir todo

fitgmdistFit Gaussian mixture model to data
gmdistributionCreate Gaussian mixture model
cdfCumulative distribution function for Gaussian mixture distribution
clusterConstruct clusters from Gaussian mixture distribution
mahalMahalanobis distance to Gaussian mixture component
pdfProbability density function for Gaussian mixture distribution
posteriorPosterior probability of Gaussian mixture component
randomRandom variate from Gaussian mixture distribution

Temas

Cluster Using Gaussian Mixture Model

Partition data into clusters with different sizes and correlation structures.

Cluster Gaussian Mixture Data Using Hard Clustering

Implement hard clustering on simulated data from a mixture of Gaussian distributions.

Cluster Gaussian Mixture Data Using Soft Clustering

Implement soft clustering on simulated data from a mixture of Gaussian distributions.

Tune Gaussian Mixture Models

Determine the best Gaussian mixture model (GMM) fit by adjusting the number of components and the component covariance matrix structure.