Fiszki do Statystyczne modelowanie i detekcja anomalii
Statystyczne modelowanie i detekcja anomalii: Przewodnik GMM
Dotknij, aby odwrócić · Przesuń, aby nawigować
Mieszanina rozkładów Gaussa (GMM)
7 fiszek
Fiszka 1
Pytanie: Co to jest mieszanina rozkładów Gaussa (GMM)?
Odpowiedź: Model probabilistyczny oparty na rozkładzie Gaussa, który zakłada, że dane składają się z kilku rozkładów prawdopodobieństwa (komponentów mieszaniny).
Fiszka 2
Pytanie: Jak matematycznie wyraża się gęstość prawdopodobieństwa mieszaniny rozkładów Gaussa?
Odpowiedź: p(x) = w1 p1(x) + w2 p2(x) + ... + wn pn(x), gdzie wi to wagi poszczególnych komponentów mieszaniny.
Fiszka 3
Pytanie: Co oznaczają wagi (wi) w modelu GMM?
Odpowiedź: Wagi to współczynniki poszczególnych komponentów mieszaniny, określające ich wkład w wynikową gęstość.
Fiszka 4
Pytanie: Jaka jest główna korzyść ze stosowania wielowymiarowego GMM do opisu stanu systemu?
Odpowiedź: Umożliwia opisanie relacji między wymiarami i modelowanie zależności między nimi, co pozwala na automatyczne podejmowanie decyzji o stanie normalnym l
Fiszka 5
Pytanie: Jaka jest zaleta GMM z punktu widzenia zachowania właściwości modelowanych wielkości?
Odpowiedź: GMM zachowuje fizyczne właściwości wielkości, ponieważ jedynie tworzy ich model statystyczny.
Fiszka 6
Pytanie: Jaka jest główna wada stosowania GMM?
Odpowiedź: Może wymagać stosunkowo dużej liczby komponentów mieszaniny, co zwiększa czasochłonność obliczania modelu na podstawie danych.
Fiszka 7
Pytanie: Dlaczego warto modelować stan urządzenia w wielu wymiarach za pomocą GMM?
Odpowiedź: Ponieważ model wielowymiarowy opisuje zależności między wymiarami i lepiej rozróżnia stany normalne i anomalne niż opis jednowymiarowy.