J'étudie le modèle du mélange gaussien et je pose cette question moi-même. Supposons que les données sous-jacentes soient générées à partir d'un mélange de distribution gaussienne et que chacune d'elles ait un vecteur moyen μ k ∈ R p , où 1 ≤ k ≤ K et chacune d'elles ait la même matrice de...
J'utilise l'analyse de classe latente pour regrouper un échantillon d'observations basé sur un ensemble de variables binaires. J'utilise R et le package poLCA. Dans LCA, vous devez spécifier le nombre de clusters que vous souhaitez rechercher. Dans la pratique, les gens exécutent généralement...
Je suis novice dans l'utilisation des GMM. Je n'ai pas pu trouver d'aide en ligne appropriée. Quelqu'un pourrait-il me fournir la bonne ressource sur "Comment décider si l'utilisation de GMM convient à mon problème?" ou en cas de problèmes de classification "Comment décider si je dois utiliser la...
J'essaie d'implémenter le modèle de mélange gaussien avec l'inférence variationnelle stochastique, à la suite de cet article . C'est le pgm du mélange gaussien. Selon l'article, l'algorithme complet d'inférence variationnelle stochastique est: Et je suis encore très confus de la méthode pour...
Dans le contexte du clustering en ligne, je trouve souvent de nombreux articles qui parlent de "processus dirichlet" et "modèles de mélange fini / infini". Étant donné que je n'ai jamais utilisé ni lu de processus de dirichlet ou de modèles de mélange. Connaissez-vous des suggestions de conférences...
Nous étudions souvent le modèle de mélange gaussien comme un modèle utile dans l'apprentissage automatique et ses applications. Quelle est la signification physique de ce " mélange "? Est-il utilisé parce qu'un modèle de mélange gaussien modélise la probabilité d'un certain nombre de variables...
Il semble que je puisse très bien apprendre les paramètres et trouver les probabilités postérieures pour les données d'entraînement, mais je n'ai aucune idée de comment faire de nouvelles prédictions sur de nouvelles données. Le problème vient en particulier des probabilités de transition changeant...
Soit f [x] un mélange gaussien pdf avec n termes de poids uniforme, signifie , et les variances correspondantes :{μ1,...,μn}{μ1,...,μn}\{\mu_{1},...,\mu_{n}\}{σ1,...,σn}{σ1,...,σn}\{\sigma_{1},...,\sigma_{n}\}
La notation intégrale de Riemann-Stieltjes est utilisée dans les expressions d'attente dans certains textes de probabilité. Fondamentalement, dF (x) apparaît dans l'intégrale plutôt que f (x) dx dans l'intégrale, car le CDF F (x) peut ne pas être différenciable pour une distribution discrète. La...
J'ai un ensemble de données contenant l'activité de l'utilisateur avec 168 dimensions, où je veux extraire des clusters en utilisant un apprentissage non supervisé. Il n'est pas évident pour moi d'utiliser une approche de modélisation de sujet dans l'allocation de Dirichlet latent (LDA) ou les...
Mon objectif est de voir que l'algorithme K-means est en fait un algorithme d'expectation-maximisation pour les mélanges gaussiens dans lequel toutes les composantes ont une covariance dans la limite comme .σ2Iσ2I\sigma^2 Ilimσ→0limσ→0\lim_{\sigma \to 0} Supposons que nous ayons un ensemble de...
J'ai une question sur les grappes que j'envisage de traiter avec une approche de mélange non paramétrique (je pense). Je travaille sur l'explication du comportement humain. Chaque ligne de ma base de données contient: l'ID de quelqu'un certains paramètres de l'environnement X (exemple: la...
Je travaille sur un modèle d'apprentissage de catégorie en ligne qui utilise la descente de gradient stochastique pour s'adapter à un modèle de mélange gaussien. Le modèle est basé sur le modèle d'apprentissage en ligne utilisé dans Toscano et McMurray (2010). Bien que la descente de gradient...
Dans les méthodes de clustering telles que K-means , la distance euclidienne est la métrique à utiliser. Par conséquent, nous calculons uniquement les valeurs moyennes au sein de chaque cluster. Et puis des ajustements sont effectués sur les éléments en fonction de leur distance à chaque valeur...