7 - ¿Qué son y para qué sirven los Modelos de Mezcla Gaussiana?
Lección 7 del curso Probabilidad Nivel Avanzado.
En la lección anterior vimos de forma práctica un proyecto para realizar la reducción de dimensionalidad de un set de datos usando el análisis de componentes principales.
En este tercer módulo del curso veremos otro modelo probabilístico que es muy usado en tareas que se conocen como el “clustering” o agrupamiento en el Machine Learning: los Modelos de Mezcla Gaussiana (o GMM por sus siglas en Inglés: Gaussian Mixture Models).
Así que en esta lección vamos a comenzar entendiendo qué son y para qué sirven estos Modelos de Mezcla Gaussiana.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Muy bien, ya tenemos una idea general de qué son y cómo funcionan los Modelos de Mezcla Gaussiana, que se pueden usar para estimar la distribución de un set de datos o para realizar tareas de clustering.
En el fondo la idea básica es que se asume que los datos son el resultado de mezclar varias Distribuciones Gaussianas y el problema de fondo se convierte en determinar los parámetros (media y desviaciones estándar) de cada una de dichas distribuciones.
Así que con estas ideas básicas ya estamos listos para ver todo el componente matemático de estos modelos. Entonces en la próxima lección veremos una explicación detallada de los Modelos de Mezcla Gaussiana.