Python Data Science

Rozdział 48. Dogłębne spojrzenie — modele mieszanin rozkładów Gaussa

Model klasteryzacji za pomocą algorytmu k-średnich omówiony w poprzednim rozdziale jest prosty i stosunkowo łatwy do zrozumienia. Jednak z prostotą tą wiążą się praktyczne wyzwania podczas jego stosowania. W szczególności nieprobabilistyczny charakter algorytmu k-średnich i etykietowanie na podstawie prostej odległości od środka klastra prowadzi do słabej wydajności w wielu praktycznych zastosowaniach. W tym rozdziale przyjrzymy się modelom mieszanin rozkładów Gaussa, które można postrzegać jako rozszerzenie koncepcji kryjących się za algorytmem k-średnich. Poza klasteryzacją modele te to również potężne narzędzie estymacji.

Zaczynamy od standardowych importów:

In [1]: %matplotlib ...