混合ガウスモデルとは？
こんごうがうすもでる
混合ガウスモデルとは、複数のガウス分布（正規分布）を組み合わせてデータの分布を表現する統計・機械学習の手法です。
混合ガウスモデル（Gaussian Mixture Model、GMM）とは、観測データが複数の異なるガウス分布（正規分布）から生成されたと仮定し、その混合比率・平均・分散を推定することでデータ全体の分布を表現する確率モデルです。
単一のガウス分布では表現しきれない複雑な形状の分布も、複数のガウス分布を重ね合わせることで近似できます。例えば、男女混在の身長データは単峰性でなく双峰性の分布を示しますが、GMMを使えば2つのガウス成分としてうまく表現できます。
GMMのパラメータ推定には一般的にEMアルゴリズム（期待値最大化法）が使われます。このアルゴリズムは次の2ステップを繰り返します。
- Eステップ：各データ点がどのガウス成分に属するかの確率（負担率）を計算する。
- Mステップ：負担率をもとに各ガウス成分のパラメータ（平均・分散・混合係数）を更新する。
GMMの主な応用分野には以下があります。
- クラスタリング（ソフトクラスタリングとして柔軟に対応）
- 音声認識における音素モデリング
- 画像のセグメンテーション
- 異常検知（正常分布から外れた点の検出）
k-meansクラスタリングと比較すると、GMMは各クラスタの形状を楕円形として表現でき、データ点がどのクラスタに属するかを確率的に扱える点が特徴です。統計的な根拠が明確なため、実務・研究を問わず広く利用されています。
使い方・例文
「顧客データのセグメンテーションに混合ガウスモデルを適用したところ、購買傾向の異なる3つのグループが自動的に検出された。」機械学習やデータ分析の文脈で、クラスタリングや密度推定の手法として登場します。
この用語をシェア
最終更新: