Gaussian Mixture Model (GMM) to probabilistyczny model statystyczny, który zakłada, że dane pochodzą z mieszanki kilku rozkładów normalnych (Gaussa). Jest szeroko stosowany w uczeniu maszynowym bez nadzoru do zadań klasteryzacji oraz estymacji gęstości. W przeciwieństwie do tradycyjnych metod, takich jak K-means, GMM oferuje tzw. miękkie grupowanie (soft clustering), przypisując poszczególnym punktom dane wyznaczone prawdopodobieństwo przynależności do każdego z klastrów. Parametry modelu, takie jak średnie, kowariancje i wagi mieszania, są zazwyczaj estymowane za pomocą algorytmu Expectation-Maximization (EM).
Źródło: analyticsvidhya.com
