聚类分析 | MATLAB实现GMM高斯分布混合模型的聚类结果可视化
效果一览
基本介绍
聚类分析 | MATLAB实现GMM高斯分布混合模型的聚类结果可视化，GMM聚类，聚类结果可视化，MATLAB程序。
GMM（Gaussian Mixture Model） 是一种基于概率模型的聚类方法，将数据视为由多个高斯分布组成的混合模型，通过最大似然估计来进行参数优化。不需要预先指定聚类的个数，而是自动估计数据中的聚类个数和其参数。这种灵活性使得GMM适用于各种不同类型和形状的数据分布。
程序设计
- 完整源码和数据获取方式：私信回复MATLAB实现GMM高斯分布混合模型的聚类结果可视化。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)
ans =
0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826
figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5
clust = find(hidx==i);
plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{i});
hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826
参考资料
[1]
https://blog.csdn.net/kjm13182345320/article/details/129215161
[2]
https://blog.csdn.net/kjm13182345320/article/details/128105718
