Klassische Modelle, die aus der Mathematik aufgebaut sind, die du bereits kennst
Eine Tasse Tee, die lauwarm geworden ist, ist weder eindeutig heiß noch eindeutig kalt. Wenn sich auf der Arbeitsfläche zwei Gruppen bilden, eine aus dampfenden Tassen und eine aus eisgekühlten Gläsern, wäre es vielleicht am fairsten zu sagen, dass die lauwarme Tasse zu 70% zur heißen und zu 30% zur kalten Gruppe gehört. Ein Gaußsches Mischmodell (GMM) gibt dem Clustering genau diese Flexibilität: Statt jeden Punkt wie k-Means in einen einzigen Behälter zu zwingen, erhält jeder Punkt eine Wahrscheinlichkeit dafür, gleichzeitig zu jedem Cluster zu gehören.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Gaußsche Mischmodelle: weiches Clustering