Apa komponen dalam model campuran gaussian?

Apa hubungan antara dimensi dan komponen dalam Model Campuran Gaussian? Dan apa arti dimensi dan komponen? Terima kasih.

Harap koreksi saya jika saya salah: pemahaman saya adalah data yang diamati memiliki banyak dimensi. Setiap dimensi mewakili fitur / aspek dari data yang dikumpulkan dan memiliki distribusi Gaussian sendiri. Saya tidak tahu di mana "komponen" cocok dengan gambar ini dan apa artinya.

Campuran Gaussians didefinisikan sebagai kombinasi linear dari beberapa distribusi Gaussian. Dengan demikian ia memiliki banyak mode. Dimensi mengacu pada data (misalnya warna, panjang, lebar, tinggi dan bahan sepatu) sedangkan jumlah komponen mengacu pada model. Setiap Gaussian dalam campuran Anda adalah satu komponen. Dengan demikian setiap komponen akan sesuai dengan satu mode, dalam sebagian besar kasus.

Saya sarankan Anda membaca tentang model campuran di wikipedia .

Campuran dari algoritma Gaussians adalah generalisasi probabilistik dari algoritma -means. Setiap vektor rata-rata dalam berarti komponen. Jumlah elemen di masing-masing vektor adalah dimensi dari model. Jadi, jika Anda memiliki$k$$k$$k$$n$ dimensi, Anda memiliki $k\times n$ matriks vektor rata-rata.

Tidak ada bedanya dalam campuran Gaussians kecuali bahwa sekarang Anda harus berurusan dengan matriks kovarian dalam model Anda.