高斯混合模型聚类算法和K-Means聚类算法

2019年3月21日 220次阅读 来源: 聚类算法

高斯混合模型聚类算法

  • 概念：混合高斯模型就是指对样本的概率密度分布进行估计，而估计的模型是几个高斯模型加权之和（具体是几个要在模型训练前建立好）。每个高斯模型就代表了一个类（一个Cluster）。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。

  • SKlearn链接：Gaussian Mixture Model Ellipsoids

  • 优点：

  • 优点：应用最为广泛；收敛速度快；能扩展以用于大规模的数据集

  • 缺点：倾向于识别凸形分布、大小相近、密度相近的聚类；中心选择和噪声聚类对结果影响大
    原文作者：聚类算法
    原文地址: https://blog.csdn.net/zhning12L/article/details/78819220
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞