Los modelos de mezclas tienen una variedad de aplicaciones, desde modelar texto hasta modelar tiempos de respuesta. He usado mezclas gaussianas para datos de tiempo de respuesta porque los tiempos de respuesta a menudo tienen modos múltiples que se pueden modelar bien con una mezcla. En un conjunto de datos, había tres modos diferentes que modelamos con una mezcla de tres gaussianos. Resultó que estos tres componentes se correspondían bien con una medida de edad (joven, mediana edad, edad) que estaba disponible.
En general, los modelos mixtos son muy útiles cuando está en presencia de una variable discreta o continua multimodal que desea modelar. Mi investigación utiliza modelos mixtos para resumir documentos como conjuntos de temas al modelar el uso de palabras como una mezcla de distribuciones multinomiales. Vea Blei et al., 2003 para una introducción seminal al modelado de temas si tiene curiosidad.
- ¿Cuáles son los métodos de implementación con calidad de producción para los modelos de aprendizaje automático?
- ¿Cómo se ve afectada la propagación hacia atrás en NN recurrentes?
- ¿Qué es una comprensión intuitiva del análisis factorial?
- ¿Qué se necesita para aprender a construir una aplicación de reconocimiento de imágenes?
- ¿Cómo debe un principiante en Machine Learning enfocar una declaración de problema?
