CAPÍTULO 11 / 40
Modelos de Mezclas Gaussianas
2 lecciones · Explora, experimenta y comprende.
DOJO PETTu pequeño compañero de código
DOJO / TU GUÍA
Aprendamos juntos.
Pregúntame sobre este curso o por dónde empezar.
Lecciones del capítulo
2 lecciones
Por qué importa en ML
Los Modelos de Mezcla Gaussiana ajustan una densidad de probabilidad a los datos y asignan pertenencia blanda a clusters — la puerta de entrada a EM, inferencia variacional y modelos generativos.
- GMM
- EM algorithm
- soft clustering
- Paso 50~20m3D · 12Código · 15★Más cinematográfica⚡Reto
GMM y el Algoritmo EM
Un Modelo de Mezcla Gaussiana (GMM) asume que los datos provienen de clusters subyacentes, cada uno gaussiano con su propia media y covarian…
Abrir lección - Paso 51~20m2Código · 15⚡Reto
GMM: Perspectiva de Variables Latentes
La forma más limpia de derivar los GMM y EM es mediante variables latentes. Introduce un latente categórico para cada punto, con prior . Con…
Abrir lección