补充一个聚类算法：高斯混合模型
假设有一组需要根据它们的相似性分组到几个部分或簇中的数据点。在机器学习中，这被称为聚类。有几种可用的聚类方法：
- K均值聚类
- 分层聚类
- 高斯混合模型
在这篇文章中，我们将讨论高斯混合模型。
文章目录
-
- 正态或高斯分布
- 期望最大化（EM）算法
- 期望最大化 (EM) 算法
- 估计步骤（E步）
- 高斯混合模型的实现
- 确定最佳类数
正态或高斯分布
在现实生活中，许多数据集可以用高斯分布（单变量或多变量）进行建模。因此，假设群集来自不同的高斯分布是非常自然和直观的。换句话说，它试图将数据集建模为几个高斯分布的混合。这是这个模型的核心思想。
在一维中，高斯分布的概率密度函数如下：
’
其中
