学习的资料主要是看大佬的一些博客和李航老师的统计学习第九章,感谢!
其中有篇笔记让小匹眼前一亮,这里贴出来:
知乎_戴文亮_高斯混合模型(GMM)
进入正题
1.1 概念理解
高斯混合模型(GMM),是单一高斯模型的延伸,其概率分布模型为:
P ( x ∣ θ ) = ∑ k = 1 K α k ϕ ( x ∣ θ k ) P(x|\theta) = \sum_{k=1}^K\alpha_k\phi(x|\theta_k) P(x∣θ)=
学习的资料主要是看大佬的一些博客和李航老师的统计学习第九章,感谢!
其中有篇笔记让小匹眼前一亮,这里贴出来:
知乎_戴文亮_高斯混合模型(GMM)
进入正题
高斯混合模型(GMM),是单一高斯模型的延伸,其概率分布模型为:
P ( x ∣ θ ) = ∑ k = 1 K α k ϕ ( x ∣ θ k ) P(x|\theta) = \sum_{k=1}^K\alpha_k\phi(x|\theta_k) P(x∣θ)=

被折叠的 条评论
为什么被折叠?