机器学习强基计划7-4：详细推导高斯混合聚类(GMM)原理(附Python实现)

Posted 2022-12-21 Mr.Winter`

目录

• 0 写在前面
• 1 高斯概率密度
• 2 混合高斯分布
• 3 GMM算法
• • 3.1 定义
  • 3.2 参数估计
• 4 Python实现
• • 4.1 算法流程
  • 4.2 E步
  • 4.3 M步
  • 4.4 可视化

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套的各个经典算法，不依赖于现有库，可以大大加深对算法的理解。