Modelos de mezclas Gaussianas como clasificadores en el contexto de machine learning
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 literat...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/33093
- Acceso en línea:
- http://hdl.handle.net/11349/33093
- Palabra clave:
- Mezclas
Probabilidad
Machine
Learning
Matemáticas -- Tesis y disertaciones académicas
R (Lenguaje de programación para computadores)
Aprendizaje automático (Inteligencia artificial)
Análisis matemático
Estadística
Probabilidad
Mixture
Probability
Machine
Learning
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| Summary: | 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. |
|---|