Modelos de mezclas Gaussianas como clasificadores en el contexto de machine learning
Fecha
Fecha
2022-07-05
Autores
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Descripción
En este documento se hace un estudio de los modelos de mezclas gaussianas. Específicamente, se realiza un análisis de su estructura matemática, su interpretación y uno de los procedimientos clásicos de estimación de sus parámetros, se trata del algoritmo Esperanza-Maximización conocido en la literatura por sus siglas como algoritmo EM. Se ilustra la teoría presentada a través del uso del conjunto de datos "Rice_MSC_Dataset", para esto se implementa el paquete "mclust" en el software R.
Resumen
In this document I study of Gaussian mixture models. Specifically, an analysis of its mathematical structure, its interpretation and a classic method of estimating its parameters, the Expectation-Maximization algorithm known in the literature by its acronym as EM algorithm. The theory presented is illustrated through the use of the data set "Rice_MSC_Dataset",
for this, the "mclust" package is implemented in the R software.
Palabras clave
Mezclas, Probabilidad, Machine, Learning
Materias
Matemáticas -- Tesis y disertaciones académicas, R (Lenguaje de programación para computadores), Aprendizaje automático (Inteligencia artificial), Análisis matemático, Estadística, Probabilidad