EM 알고리즘 및 GMM 모델
term_id: em_algorithm_and_gmm_model
Category: basic_concepts
Definition
이 용어는 기대값 최대화(Expectation-Maximization, EM) 알고리즘과 가우시안 혼합 모델(Gaussian Mixture Model, GMM) 간의 시너지 관계를 지칭합니다. GMM은 모든 데이터 포인트가 여러 개의 가우시안 분포가 혼합된 과정에서 생성되었다고 가정합니다. EM 알고리즘은 이러한 잠재 변수(어떤 가우시안 분포에서 데이터가 나왔는지)를 추정하면서 모델 파라미터를 반복적으로 최적화합니다.
Summary
잠재 변수가 있는 통계 모델에서 최대 우도 추정을 찾기 위한 반복적 방법인 기대값 최대화(EM) 알고리즘은 주로 가우시안 혼합 모델(GMM) 적합에 사용됩니다.
Key Concepts
- 잠재 변수(Latent Variables)
- 최대 우도 추정(Maximum Likelihood Estimation)
- 반복 최적화(Iterative Optimization)
- 가우시안 분포(Gaussian Distributions)
Use Cases
- 음성 인식의 음소 모델링
- 이미지 분할(Image Segmentation)
- 고객 세그멘테이션 분석