文档

GMM聚类

更新时间:

本文为您介绍GMM聚类组件。

功能说明

GMM(Gaussian Mixture Model)是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型,混合高斯分布( MoG)由多个混合成分组成,每一个混合成分对应一个高斯分布。当聚类问题中各个类别的尺寸不同、聚类间有相关关系的时候,往往使用混合高斯分布更合适。

计算逻辑原理

高斯混合模型试图找到多维高斯模型概率分布的混合表示,从而拟合出任意形状的数据分布。

image

图:GMM聚类过程

参数说明

IN端口

参数名

参数描述

是否必填

输入数据类型

数据源类型

特征变量

配置模型特征变量。

整数或浮点数

说明

若存在非数值数据,则会抛出异常。

  • CSV组件。

  • IGateInOffline组件。

  • 平台上其他数据处理组件。

  • 按照平台规范开发的自定义组件。

OUT端口

参数名

参数描述

输入数据类型

输出

聚类完成后输出具体的聚类类别“label”。

整型

算法参数

参数名

参数描述

是否必填

参数默认值

参数范围

混合成分数量

混合高斯模型个数。

2

[2,99999999]

协方差类型

  • 完全协方差矩阵:每个分量都有自己的通用协方差矩阵。

  • 相同完全协方差矩阵:所有分量共享相同的通用协方差矩阵。

  • 对角协方差矩阵:每个分量都有自己的对角协方差矩阵。

  • 球面协方差矩阵:每个组成部分都有其自己的单一方差。

完全协方差矩阵

  • 完全协方差矩阵

  • 相同完全协方差矩阵

  • 对角协方差矩阵

  • 球面协方差矩阵

EM 迭代停止阈值

EM迭代停止阈值,当下限平均增益低于此阈值时,EM迭代将停止。

0.001

[0,99999999]

协方差对角非负正则化

协方差对角非负正则化,保证协方差矩阵均为正,非负正则化添加到协方差的对角线上。

0.000001

[0,99999999]

最大迭代次数

要执行的EM迭代次数。

100

[1,99999999]

初始化次数

要执行的初始化次数,用于产生最佳初始参数。

1

[1,99999999]

其他参数

参数名

参数描述

模型结果

模型结果展示模型聚类效果以及聚类结果,其中“CH分数(即Calinski-Harabasz指标)”和“轮廓系数”反应聚类效果,值越大,说明聚类效果越好。