Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Modelos de mezcla gaussiana

Clúster basado en modelos de mezcla gaussiana utilizando el algoritmo Expectation-Maximization

(MMG) asignan cada observación a un clúster maximizando la probabilidad posterior de que un punto de datos pertenezca a su clúster asignado.Modelos de mezcla gaussiana Cree un objeto GMM ajustando un modelo a los datos ( ) o especificando valores de parámetro ( ).gmdistributionfitgmdistgmdistribution A continuación, utilice funciones de objeto para realizar el análisis de clúster ( , , ), evaluar el modelo ( , ) y generar variaciones aleatorias ( ).clusterposteriormahalcdfpdfrandom

Funciones

expandir todo

fitgmdistAjustar el modelo de mezcla gaussiana a los datos
gmdistributionCrear un modelo de mezcla gaussiana
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 usando el modelo de mezcla gaussiana

Particione los datos en clústeres con diferentes tamaños y estructuras de correlación.

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.

Documentación de Statistics and Machine Learning Toolbox

Soporte

Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Download ebook