はじめに
この実験では、ガウス混合モデル (Gaussian Mixture Models: GMM) について学び、Python の scikit-learn ライブラリを使ってクラスタリングと密度推定にどのように使用するかを学びます。ガウス混合モデルは、データポイントがガウス分布の混合から生成されると仮定する確率モデルの一種です。これらは、データの共分散構造に関する情報を組み込んだ k-means クラスタリングの一般化です。
VM のヒント
VM の起動が完了したら、左上隅をクリックして ノートブック タブに切り替えて、Jupyter Notebook を使った練習にアクセスします。
時々、Jupyter Notebook が読み込み終了するまで数秒待つ必要がある場合があります。Jupyter Notebook の制限により、操作の検証を自動化することはできません。
学習中に問題に直面した場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/mixture("Gaussian Mixture Models")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/mixture -.-> lab-71114{{"ガウス混合モデル"}}
ml/sklearn -.-> lab-71114{{"ガウス混合モデル"}}
end