【问题标题】:Is it important to make a feature scaling before using Gaussian Mixture Model?在使用高斯混合模型之前进行特征缩放是否重要?
【发布时间】:2019-03-16 07:36:12
【问题描述】:

在使用高斯混合模型之前进行特征缩放是否重要?以及为什么在我们使用概率来获取集群的参数(均值和协方差矩阵)时它很重要。 另一方面,我知道在使用 K-mean 作为聚类之前标准化我们的数据很重要,这取决于点和聚类之间的 Ecludiane 距离,如果一个特征具有较大的值,它将主导这个多维距离计算

【问题讨论】:

  • 这不是编程问题,而是统计方法问题。因此,与 Stack Overflow 相比,它更适合 Cross Validated

标签: math machine-learning cluster-analysis gaussian


【解决方案1】:

在高斯混合建模中,您可以了解集群的扩展和规模。所以缩放这应该 - 理想情况下 - 没有任何区别。之后你会得到不同比例的协方差矩阵。

【讨论】:

    猜你喜欢
    • 2019-02-25
    • 2014-01-09
    • 2019-08-05
    • 1970-01-01
    • 2021-09-30
    • 2016-09-24
    • 2015-05-09
    • 2015-03-30
    • 2021-08-03
    相关资源
    最近更新 更多