Definición: ¿Qué significa el modelo de mezcla gaussiana (GMM)?
Un modelo de mezcla gaussiana (GMM) es una categoría de modelo probabilístico que establece que todos los puntos de datos generados se derivan de una mezcla de distribuciones gaussianas finitas que no tiene parámetros conocidos. Los parámetros para los modelos de mezcla gaussiana se derivan de una estimación máxima a posteriori o de un algoritmo iterativo de maximización de expectativas de un modelo anterior que está bien entrenado. Los modelos de mezcla gaussiana son muy útiles cuando se trata de modelar datos, especialmente datos que provienen de varios grupos.
Techinfo explica el modelo de mezcla gaussiana (GMM)
Matemáticamente, los modelos de mezcla gaussianos son un ejemplo de una función de densidad de probabilidad paramétrica, que se puede representar como una suma ponderada de todas las densidades de componentes gaussianos. En otras palabras, la suma ponderada de las densidades gaussianas del componente M se conoce como modelo de mezcla gaussiana, y matemáticamente es p (x | λ) = XM i = 1 wi g (x | µi, Σi), donde M se denota por pesos de mezcla, x es el vector de datos con valores continuos de la dimensión D yg (x | µi, Σi) es el componente de las densidades gaussianas. Un modelo de mezcla gaussiana consta de matrices de covarianza, pesos de mezcla y vectores medios de cada densidad de componente presente. Los gaussianos son totalmente capaces de modelar las correlaciones de elementos vectoriales de características gracias a la combinación lineal de la base de covarianza diagonal. Otra característica del modelo de mezcla gaussiana es la formación de aproximaciones suaves a densidades de forma aleatoria.
Los modelos de mezcla gaussiana se utilizan en sistemas biométricos donde el modelo paramétrico ayuda a comprender las características o medidas relacionadas con otras, como las características espectrales del tracto vocal. Los modelos de mezcla gaussiana también se utilizan para la estimación de densidad y se consideran las técnicas más maduras estadísticamente para la agrupación.