Math 在使用高斯混合模型之前进行特征缩放是否重要?

Math 在使用高斯混合模型之前进行特征缩放是否重要?,math,machine-learning,cluster-analysis,gaussian,Math,Machine Learning,Cluster Analysis,Gaussian,在使用高斯混合模型之前进行特征缩放是否重要?为什么在我们使用概率来获取集群的参数(平均值和协方差矩阵)时,它很重要。 另一方面,我知道在使用K-均值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椭圆距离,如果一个特征具有较大的值,它将主导这种多维距离计算在高斯混合建模中,您将了解聚类的范围和规模。因此,理想情况下,扩展这个应该不会产生任何影响。之后您将得到不同比例的协方差矩阵。这与其说是编程问题,不如说是统计方法问题。因此,它比堆栈溢出更适合。

在使用高斯混合模型之前进行特征缩放是否重要?为什么在我们使用概率来获取集群的参数(平均值和协方差矩阵)时,它很重要。
另一方面,我知道在使用K-均值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椭圆距离,如果一个特征具有较大的值,它将主导这种多维距离计算

在高斯混合建模中,您将了解聚类的范围和规模。因此,理想情况下,扩展这个应该不会产生任何影响。之后您将得到不同比例的协方差矩阵。

这与其说是编程问题,不如说是统计方法问题。因此,它比堆栈溢出更适合。