밑바닥부터 시작하는 딥러닝 5

105

4

장

가우스 혼합 모델

정규 분포는 매우 흔하지만, 정규 분포 하나만으로 표현할 수 없는 현상도 많습니다. 이번 장

에서는 정규 분포 여러 개를 혼합하는 방법을 알아봅니다. 정규 분포를 혼합함으로써 산이 여

러 개인 복잡한 모델을 표현할 수 있게 됩니다. 이 모델을

가우스 혼합 모델

Gaussian

Mixture

Model

(

GMM

) 혹은 가우시안 혼합 모델이라고 합니다. 가우스 혼합 모델은 통계학과 머신러닝에서

널리 쓰이며 데이터 생성에도 중요한 기법입니다.

4.1

우리 주변의 다봉 분포

세상에는 산이 여러 개인 분포, 즉

다봉 분포

multimodal

distribution

가 의외로 많습니다. 이번 절에서

는 주변에서 볼 수 있는 다봉 분포의 예를 몇 가지 소개합니다. 이어서 구체적인 다봉 데이터셋

을 살펴보고 시각화하여 확인합니다.

남녀 혼합 키 분포

사람의 키는 나이와 성별을 특정한다면 (예컨대

17

세 남성 ) 정규 분포를 보인다고 알려져 있습

니다. 그렇다면 성별에 제한을 두지 않는 경우는 어떨까요? [그림

4

-

1

]은

17

세 일본인의 남녀

별 키 분포입니다. 그림에 따르면 남녀별로 산의 봉우리가 다릅니다. 이처럼 모집단 전체는 산

이 두 개인

쌍봉 분포

bimodal

distribution

로 모델링됩니다.

가우스 혼합 모델

CHAPTER

4

106

밑바닥부터 시작하는 ...