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

Crear un objeto `gmdistribution`

`fitgmdist`	Fit Gaussian mixture model to data
`gmdistribution`	Create Gaussian mixture model

Trabajar con un objeto `gmdistribution`

`cdf`	Función de distribución acumulativa para una distribución de mixtura gaussiana
`cluster`	Construct clusters from Gaussian mixture distribution
`mahal`	Mahalanobis distance to Gaussian mixture component
`pdf`	Función de densidad de probabilidad para una distribución de mixtura gaussiana
`posterior`	Posterior probability of Gaussian mixture component
`random`	Variables aleatorias de la distribución de mixtura gaussiana

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.

Modelos de mixtura gaussianos

Funciones

Crear un objeto gmdistribution

Trabajar con un objeto gmdistribution

Temas

Crear un objeto `gmdistribution`

Trabajar con un objeto `gmdistribution`