ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

混合ガウス モデル

期待値最大化アルゴリズムを使用した混合ガウス モデルに基づくクラスター

"混合ガウス モデル" (GMM) では、割り当てられたクラスターにデータ点が属する事後確率が最大になるように各観測値をクラスターに割り当てます。モデルをデータにあてはめる (fitgmdist) かパラメーター値を指定する (gmdistribution) ことにより、GMM オブジェクト gmdistribution を作成します。そして、オブジェクト関数を使用して、クラスター分析の実行 (clusterposteriormahal)、モデルの評価 (cdfpdf)、確率変量の生成 (random) を行います。

混合ガウス モデルの詳細については、混合ガウス モデルを参照してください。

関数

すべて展開する

fitgmdistデータへの混合ガウス モデルのあてはめ
gmdistribution混合ガウス モデルの作成
cdf混合ガウス分布の累積分布関数
cluster混合ガウス分布からクラスターを作成
mahal混合ガウス成分に対するマハラノビス距離
pdf混合ガウス分布に対する確率密度関数
posterior混合ガウス成分の事後確率
random混合ガウス分布による確率変量

トピック

混合ガウス モデル

混合ガウス モデル (GMM) には、k 個の多変量正規密度成分が含まれています。ここで、k は正の整数です。

混合ガウス モデルによるクラスタリング

サイズおよび相関の構造が異なる複数のクラスターにデータを分割します。

ハード クラスタリングの使用による混合ガウス データのクラスタリング

ガウス分布の混合からシミュレートされたデータにハード クラスタリングを実装します。

ソフト クラスタリングの使用による混合ガウス データのクラスタリング

ガウス分布の混合からシミュレートされたデータにソフト クラスタリングを実装します。

混合ガウス モデルの調整

成分数と成分の共分散行列の構造を調整することにより、最適な混合ガウス モデル (GMM) 近似を決定します。

クラスター分析の紹介

クラスター分析の基本的なタイプについて理解します。