Trennung hochdimensionaler Gaußiane und Parameteranpassung

Sven-Ake Wegner ()

Chapter Kapitel 12 in Mathematische Einführung in Data Science, 2023, pp 161-180 from Springer

Abstract: Zusammenfassung Wir beantworten die Frage danach wie hochdimensionale Datenmengen, die von mehreren überlagerten Gaußverteilungen stammen, wieder getrennt werden können. In der Tat spielt uns hier die hohe Dimension in die Hände und wir formalisieren dies in Form eines asymptotischen Trennungssatzes. Außerdem diskutieren wir die Parameterschätzung (Fitting) für einen einzelnen sogenannten Gaußian mit der Maximum-Likelihood-Methode.

Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-68697-3_12

Ordering information: This item can be ordered from
http://www.springer.com/9783662686973

DOI: 10.1007/978-3-662-68697-3_12

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().