在使用高斯混合模型之前进行特征缩放是否重要?

在使用高斯混合模型之前进行特征缩放是否重要?为什么在获取聚类参数(均值和协方差矩阵)时使用概率会变得重要?另一方面,我知道在使用K-means进行聚类之前标准化数据很重要,因为这里的聚类依赖于点与聚类之间的欧几里得距离,如果某个特征的值很大,它会主导这种多维距离的计算。


回答:

在高斯混合建模中,你会了解到聚类的范围和规模。因此,理论上,缩放应该不会产生任何影响。你只是会在之后得到不同比例的协方差矩阵。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注