Смешанные гауссовские модели (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 настройкой значений параметров (gmdistribution). Затем используйте объектные функции, чтобы выполнить кластерный анализ (cluster, posterior, mahal), оцените модель (cdf, pdf), и сгенерируйте случайные варьируемые величины (random).
Кластер Используя смешанную гауссовскую модель
Данные о разделе в кластеры с различными размерами и структурами корреляции.
Кластерные гауссовы данные о смеси Используя трудную кластеризацию
Реализация, трудно кластеризирующаяся на симулированных данных из смеси Распределений Гаусса.
Кластерные гауссовы данные о смеси Используя мягкую кластеризацию
Реализуйте мягкую кластеризацию на симулированных данных из смеси Распределений Гаусса.
Настройте смешанные гауссовские модели
Определите лучшую подгонку смешанной гауссовской модели (GMM) путем корректировки количества компонентов и структуры ковариационной матрицы компонента.
