第6章 高斯混合聚类算法

GMM（高斯混合聚类）是一种常见的聚类算法，和K-Means算法很像，但GMM算法是通过训练获得类别的成分概率密度函数而非直接是类别，简单地说，K-Means算法的结果是每个数据点被assign到其中某一个 cluster，而GMM则给出这些数据点被assign到每个cluster的概率，所以比较K-Means算法，这种分类方式又称作soft assignment。

每个GMM由K个Gaussian分布组成，每个Gaussian称为一个Component，这些Component线性加成在一起就组成了GMM的概率密度函数。假定样本数据是由GMM生成出来的，那么只要根据数据推出GMM的概率分布就可以了，然后GMM的K个Component实际上就对应了K个cluster。这就是GMM的聚类原理。

本章将详细介绍GMM算法的数学流程，并详细推导了GMM算法各个参数的迭代过程，然后对GMM算法与K-Means算法进行了对比，最后给出测试代码。