Когда использовать модель гауссовой смеси?

Я новичок в использовании GMM. Я не смог найти подходящей помощи онлайн. Может ли кто-нибудь предоставить мне правильный ресурс "Как решить, подходит ли использование GMM для моей проблемы?" или в случае проблем классификации "Как решить, должен ли я использовать классификацию SVM или классификацию GMM?"

classification svm gaussian-mixture generalized-moments Виней
источник

что такое ваш набор данных и в чем ваша проблема? Используется, когда данные следуют (представляют собой смесь) более 1 нормального распределения. Смотрите другой вопрос - stats.stackexchange.com/questions/236295/…

Арпит Сисодиа

Вы можете думать об этом как о форме кластеризации, когда у вас нет помеченных данных, и вы считаете, что скрытые группировки совершенно нормальны.

gung - Восстановить Монику

@ arpit-sisodia, мы работаем над осуществлением установки аппаратной клавиатуры, которая, кажется, имеет специфические особенности, и мы планируем смоделировать ее с помощью GMM. Мы не знаем четко основной процесс и, следовательно, мы пытаемся моделировать, используя методы машинного обучения. Таким образом, мы не уверены, есть ли на самом деле смесь гауссиан в базовом процессе. Более того, он многомерен, и мы не можем его визуализировать, чтобы увидеть, является ли он смесью гауссов

Vinay

@ arpit-sisodia, ссылка, которую вы предоставили, предлагает больше методов проб и ошибок, чтобы проверить, подходит ли GMM моим данным. Есть ли окончательный способ / правило большого пальца, чтобы выбрать модели для использования. Метод проб и ошибок игры с большим количеством миксов может соответствовать моим данным. Но есть ли определенный способ принять решение? Как будто нам нужна линейная разделимость данных для классификации SVM

Vinay

Ответы:

На мой взгляд, вы можете выполнить GMM, когда знаете, что точки данных представляют собой смеси гауссовского распределения. В основном формируются кластеры с различным средним и стандартным отклонением. На сайте scikit-learn есть хорошая диаграмма. L

GMM классификация

Подход состоит в том, чтобы найти кластеры, используя мягкие методы кластеризации, а затем посмотреть, являются ли они гауссовскими. Если это так, то вы можете применить модель GMM, которая представляет весь набор данных.

убийца
источник

часто мы не знаем, являются ли точки данных смесью гауссианов. Итак, это больше тренировка с Gaussian и MoG и посмотреть, подходит ли она. Но нет никаких указаний / правил большого пальца, чтобы использовать GMM правильно

Vinay

Согласно моему опыту, вам нужно найти образец в данных, что это модель Mixture. Хорошая статья для чтения была бы такой: stat.cmu.edu/~cshalizi/uADA/12/lectures/ch20.pdf

Slayer

GMM обычно являются хорошим местом для начала, если ваша цель состоит в том, чтобы (1) кластеризовать наблюдения, (2) указать генеративную модель или (3) оценить плотности. Фактически, для кластеризации GMM представляют собой расширенный набор k-средних.

1_e
источник