日本久久在精品线影院,亚洲情a成黄在线观看动漫尤物,精品国产欧美一区二区

本文為您介紹GMM聚類組件。

功能說明

GMM（Gaussian Mixture Model）是一個將事物分解為若干的基于高斯概率密度函數(shù)（正態(tài)分布曲線）形成的模型，混合高斯分布（ MoG）由多個混合成分組成，每一個混合成分對應(yīng)一個高斯分布。當(dāng)聚類問題中各個類別的尺寸不同、聚類間有相關(guān)關(guān)系的時候，往往使用混合高斯分布更合適。

計算邏輯原理

高斯混合模型試圖找到多維高斯模型概率分布的混合表示，從而擬合出任意形狀的數(shù)據(jù)分布。

圖：GMM聚類過程

參數(shù)說明

IN端口

參數(shù)名	參數(shù)描述	是否必填	輸入數(shù)據(jù)類型	數(shù)據(jù)源類型
特征變量	配置模型特征變量。	是	整數(shù)或浮點(diǎn)數(shù) 說明若存在非數(shù)值數(shù)據(jù)，則會拋出異常。	CSV組件。 IGateInOffline組件。平臺上其他數(shù)據(jù)處理組件。按照平臺規(guī)范開發(fā)的自定義組件。

OUT端口

參數(shù)名	參數(shù)描述	輸入數(shù)據(jù)類型
輸出	聚類完成后輸出具體的聚類類別“l(fā)abel”。	整型

算法參數(shù)

參數(shù)名	參數(shù)描述	是否必填	參數(shù)默認(rèn)值	參數(shù)范圍
混合成分?jǐn)?shù)量	混合高斯模型個數(shù)。	是	2	[2，99999999]
協(xié)方差類型	完全協(xié)方差矩陣：每個分量都有自己的通用協(xié)方差矩陣。相同完全協(xié)方差矩陣：所有分量共享相同的通用協(xié)方差矩陣。對角協(xié)方差矩陣：每個分量都有自己的對角協(xié)方差矩陣。球面協(xié)方差矩陣：每個組成部分都有其自己的單一方差。	是	完全協(xié)方差矩陣	完全協(xié)方差矩陣相同完全協(xié)方差矩陣對角協(xié)方差矩陣球面協(xié)方差矩陣
EM 迭代停止閾值	EM迭代停止閾值，當(dāng)下限平均增益低于此閾值時，EM迭代將停止。	是	0.001	[0,99999999]
協(xié)方差對角非負(fù)正則化	協(xié)方差對角非負(fù)正則化，保證協(xié)方差矩陣均為正，非負(fù)正則化添加到協(xié)方差的對角線上。	是	0.000001	[0,99999999]
最大迭代次數(shù)	要執(zhí)行的EM迭代次數(shù)。	是	100	[1,99999999]
初始化次數(shù)	要執(zhí)行的初始化次數(shù)，用于產(chǎn)生最佳初始參數(shù)。	是	1	[1,99999999]

其他參數(shù)

參數(shù)名	參數(shù)描述
模型結(jié)果	模型結(jié)果展示模型聚類效果以及聚類結(jié)果，其中“CH分?jǐn)?shù)（即Calinski-Harabasz指標(biāo)）”和“輪廓系數(shù)”反應(yīng)聚類效果，值越大，說明聚類效果越好。

日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区