Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

가우스 혼합 모델

기대값 최대화 알고리즘을 사용하여 가우스 혼합 모델을 기준으로 군집화

가우스 혼합 모델(GMM)은 데이터 점이 할당된 군집에 속하는 사후 확률을 극대화하는 방식으로 각 관측값을 군집에 할당합니다. 모델을 데이터에 피팅(fitgmdist)하거나 모수 값을 지정(gmdistribution)하여 GMM 객체 gmdistribution을 생성합니다. 그런 다음, 객체 함수를 사용하여 군집 분석을 수행하고(cluster, posterior, mahal), 모델을 실행하고(cdf, pdf), 확률 변량을 생성합니다(random).

함수

모두 확장

fitgmdist가우스 혼합 모델을 데이터에 피팅
gmdistribution가우스 혼합 모델 생성
cdf가우스 혼합 분포에 대한 누적 분포 함수
clusterConstruct clusters from Gaussian mixture distribution
mahalMahalanobis distance to Gaussian mixture component
pdf가우스 혼합 분포에 대한 확률 밀도 함수
posteriorPosterior probability of Gaussian mixture component
random가우스 혼합 분포의 확률 변량

도움말 항목