Kiedy stosować model mieszanki Gaussa?


9

Jestem nowy w korzystaniu z GMM. Nie udało mi się znaleźć odpowiedniej pomocy online. Czy ktoś mógłby podać mi odpowiednie informacje na temat „Jak zdecydować, czy używanie GMM pasuje do mojego problemu?” lub w przypadku problemów z klasyfikacją „Jak zdecydować, czy muszę użyć klasyfikacji SVM czy GMM?”


jaki jest twój zestaw danych i jaki jest twój dokładny problem? Jest używany, gdy dane następują (są mieszanką) więcej niż 1 rozkład normalny. Zobacz kolejne pytanie - stats.stackexchange.com/questions/236295/...
— Arpit Sisodia

Możesz myśleć o tym jako o klastrze, w którym nie masz oznaczonych danych i uważasz, że utajone grupowanie jest normalne na wielu odmianach.
— Gung - Przywróć Monikę

@ arpit-sisodia, Pracujemy nad wykonalnością konfiguracji klawiatury sprzętowej, która wydaje się mieć określone funkcje, i planujemy modelować ją za pomocą GMM. Nie znamy jasno procesu leżącego u jego podstaw, dlatego staramy się modelować przy użyciu metod uczenia maszynowego. Nie jesteśmy więc pewni, czy w procesie leżącym u podstaw leży mieszanka gaussów. Co więcej, jest wielowymiarowy i nie możemy go wizualizować, aby zobaczyć, czy jest to mieszanka gaussów
— Vinay

@ arpit-sisodia, podany przez Ciebie link sugeruje więcej metod prób i błędów, aby sprawdzić, czy GMM pasuje do moich danych. Czy istnieje rozstrzygający sposób / Reguła kciuka, aby zdecydować, które modele będą używane. Metoda prób i błędów polegająca na graniu większą ilością mieszanek może pasować do moich danych. Ale czy jest jakiś sposób na podjęcie decyzji? Tak jak potrzebujemy liniowej separowalności danych do klasyfikacji SVM
— Vinay

Odpowiedzi:


4

Moim zdaniem możesz wykonać GMM, gdy wiesz, że punkty danych są mieszankami rozkładu Gaussa. Zasadniczo tworzenie klastrów o różnych średnich i standardowych odchyleniach. Na stronie scikit-learn znajduje się ładny schemat. L.

Klasyfikacja GMM

Podejście polega na znalezieniu klastrów przy użyciu metod klastrowania miękkiego, a następnie sprawdzeniu, czy są one gaussowskie. Jeśli tak, możesz zastosować model GMM, który reprezentuje cały zestaw danych.


1
często nie wiemy, czy punkty danych to Mieszanina Gaussów. Tak więc jest to bardziej zabawa z Gaussianem i MoG i sprawdzenie, czy to pasuje. Ale nie ma żadnych wskazówek / zasad dotyczących korzystania z GMM w prawo
— Vinay

2
Zgodnie z moim doświadczeniem musisz znaleźć wzór w danych, że jest to model mieszanki. Przyjemny artykuł do czytania to: stat.cmu.edu/~cshalizi/uADA/12/lectures/ch20.pdf
— Slayer

0

GMM są zwykle dobrym miejscem do rozpoczęcia, jeśli Twoim celem jest (1) obserwacja skupień, (2) określenie modelu generatywnego lub (3) oszacowanie gęstości. W rzeczywistości w przypadku grupowania GMM są nadzbiorem średnich k-średnich.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.