Machine learning 高斯混合模型中的参数个数
我有K个分量的D维数据。 如果我使用具有完全协方差矩阵的模型,有多少个参数? 如果我使用三角协方差矩阵,会有多少?答案是 简单地做数学题 对于您拥有的每种高斯分布:Machine learning 高斯混合模型中的参数个数,machine-learning,Machine Learning,我有K个分量的D维数据。 如果我使用具有完全协方差矩阵的模型,有多少个参数? 如果我使用三角协方差矩阵,会有多少?答案是 简单地做数学题 对于您拥有的每种高斯分布: 1.对称全DxD协方差矩阵,给出(D*D-D)/2+D参数((D*D-D)/2是非对角元素的数量,D是对角元素的数量) 2.D维平均向量,给出D参数 3.给出另一个参数的混合权重 这导致每个高斯分布的Df=(D*D-D)/2+2D+1。 如果有K个组件,那么就有了K*Df参数 在对角情况下,协方差矩阵参数减少到D,因为不存在非对角
1.对称全DxD协方差矩阵,给出
(D*D-D)/2+D
参数((D*D-D)/2
是非对角元素的数量,D
是对角元素的数量)2.D维平均向量,给出
D
参数3.给出另一个参数的混合权重 这导致每个高斯分布的Df=(D*D-D)/2+2D+1。
如果有K个组件,那么就有了
K*Df
参数
在对角情况下,协方差矩阵参数减少到D
,因为不存在非对角元素。因此,at的回答将产生
Df=2D+1
简单地做数学题
对于您拥有的每种高斯分布:1.对称全DxD协方差矩阵,给出
(D*D-D)/2+D
参数((D*D-D)/2
是非对角元素的数量,D
是对角元素的数量)2.D维平均向量,给出
D
参数3.给出另一个参数的混合权重 这导致每个高斯分布的Df=(D*D-D)/2+2D+1。
如果有K个组件,那么就有了
K*Df
参数
在对角情况下,协方差矩阵参数减少到D
,因为不存在非对角元素。从而产生
Df=2D+1