Гауссовы модели смеси (GMMs) присваивают каждое наблюдение кластеру путем максимизации апостериорной вероятности, что точка данных принадлежит своему присвоенному кластеру. Создайте объект GMM gmdistribution путем подбирания модели к данным (fitgmdist) или путем определения значений параметров (gmdistribution). Затем используйте объектные функции, чтобы выполнить кластерный анализ (cluster, posterior, mahal), оценить модель (cdf, pdf), и сгенерировать случайные варьируемые величины (random).
Чтобы узнать о Гауссовых моделях смеси, см. Гауссовы Модели Смеси.
Гауссовы модели смеси (GMMs) содержат k многомерные нормальные компоненты плотности, где k является положительным целым числом.
Кластер Используя гауссовы модели смеси
Данные о разделе в кластеры с различными размерами и структурами корреляции.
Кластерные гауссовы данные о смеси Используя трудную кластеризацию
Реализация, трудно кластеризирующаяся на моделируемых данных из смеси Распределений Гаусса.
Кластерные гауссовы данные о смеси Используя мягкую кластеризацию
Реализуйте мягкую кластеризацию на моделируемых данных из смеси Распределений Гаусса.
Настройте гауссовы модели смеси
Определите лучшую подгонку Гауссовой модели смеси (GMM) путем корректировки количества компонентов и структуры ковариационной матрицы компонента.
Поймите основные типы кластерного анализа.
