Глоссарий ИИ
Полный словарь искусственного интеллекта
Модель гауссовой смеси
Вероятностный подход, моделирующий набор данных как линейную комбинацию нескольких многомерных гауссовых распределений, позволяющий выявлять подгруппы в данных.
EM-алгоритм
Итеративный метод оценки параметров, максимизирующий правдоподобие в моделях со скрытыми переменными, чередующийся между этапами ожидания и максимизации.
Этап E (Expectation)
Фаза EM-алгоритма, вычисляющая апостериорные вероятности принадлежности каждого наблюдения к различным компонентам смеси, основанная на текущих параметрах.
Этап M (Maximization)
Фаза EM-алгоритма, обновляющая параметры модели (средние значения, ковариации, коэффициенты смеси) для максимизации ожидаемой логарифмической правдоподобности.
Параметры смеси
Набор параметров, определяющих GMM, включая средние значения, матрицы ковариации и коэффициенты смеси для каждого гауссового компонента.
Коэффициенты смеси
Веса, связанные с каждым гауссовым компонентом смеси, представляющие априорную вероятность того, что наблюдение принадлежит этому компоненту.
Матрица ответственности
Матрица, содержащая вероятности принадлежности каждого наблюдения к каждому кластеру, вычисленная на этапе E EM-алгоритма.
Мягкая кластеризация
Подход к кластеризации, при котором каждое наблюдение может принадлежать нескольким кластерам с разными степенями принадлежности, в отличие от жесткой кластеризации.
Критерий АИК
Информационный критерий Акаике, оценивающий качество модели путем баланса между подгонкой к данным и сложностью, используется для выбора оптимального количества компонентов.
Критерий БИК
Байесовский информационный критерий, который сильнее штрафует за сложность модели, чем АИК, и способствует выбору более простых моделей.
Инициализация K-means
Техника инициализации параметров GMM, при которой сначала используется алгоритм K-means для получения начальных оценок центров кластеров.
Плотность вероятности
Функция, описывающая относительную вероятность наблюдения непрерывного значения, моделируемая гауссовыми компонентами в GMM.
Сходимость EM-алгоритма
Критерий остановки EM-алгоритма, основанный на том, что изменение логарифмического правдоподобия между последовательными итерациями падает ниже заданного порога.
Эллипс доверия
Графическое представление области, содержащей определенный процент вероятности для многомерного гауссова распределения.
Разделимость кластеров
Мера степени перекрытия между различными гауссовыми компонентами смеси, влияющая на качество полученной сегментации.