高斯簇是线性可分的吗？
Are Gaussian clusters linearly separable?
假设您有两个二维高斯概率分布，第一个以 (0,1) 为中心，第二个以 (0,-1) 为中心。 （为简单起见，假设它们具有相同的方差。）是否可以认为从这两个高斯分布中采样的数据点簇是线性可分的？
直观上，很明显分隔两个分布的边界是线性的，在我们的例子中即为横坐标。然而，线性可分性的正式要求是聚类的凸包不重叠。这不可能是高斯生成的集群的情况，因为它们的潜在概率分布遍及所有 R^2（尽管远离平均值的概率可以忽略不计）。
那么，高斯生成的簇是线性可分的吗？如何调和凸包的要求与直线是唯一可能的事实 "boundary"？或者，也许，一旦图片中出现不等方差，边界实际上就不再是线性的了？
高斯集群实例可能是可分离的，也可能是不可分离的。这取决于结果，而不是产生结果的过程。
线性可分性can be defined a作为将两组点分开的平面的存在，使得一组点完全在平面的一侧，而另一组点完全在平面的一侧飞机的另一边。
现在采用您的特定高斯分布。 可能 他们生成了两个线性可分的集合（横坐标与否）。但是，如果概率为 1，如果方差不为零，并且您让过程生成足够多的点，则结果将不是线性可分的。
所以，再说一次，这是结果的问题，而不是过程的问题。
根据定义，高斯簇是无限的。它们几乎无处不在，只是密度不同。
因此，它们不能分离，无论线性与否。 "separability" 的概念在这里不起作用。
假设您有两个二维高斯概率分布，第一个以 (0,1) 为中心，第二个以 (0,-1) 为中心。 （为简单起见，假设它们具有相同的方差。）是否可以认为从这两个高斯分布中采样的数据点簇是线性可分的？
直观上，很明显分隔两个分布的边界是线性的，在我们的例子中即为横坐标。然而，线性可分性的正式要求是聚类的凸包不重叠。这不可能是高斯生成的集群的情况，因为它们的潜在概率分布遍及所有 R^2（尽管远离平均值的概率可以忽略不计）。
那么，高斯生成的簇是线性可分的吗？如何调和凸包的要求与直线是唯一可能的事实 "boundary"？或者，也许，一旦图片中出现不等方差，边界实际上就不再是线性的了？
高斯集群实例可能是可分离的，也可能是不可分离的。这取决于结果，而不是产生结果的过程。
线性可分性can be defined a作为将两组点分开的平面的存在，使得一组点完全在平面的一侧，而另一组点完全在平面的一侧飞机的另一边。
现在采用您的特定高斯分布。 可能 他们生成了两个线性可分的集合（横坐标与否）。但是，如果概率为 1，如果方差不为零，并且您让过程生成足够多的点，则结果将不是线性可分的。
所以，再说一次，这是结果的问题，而不是过程的问题。
根据定义，高斯簇是无限的。它们几乎无处不在，只是密度不同。
因此，它们不能分离，无论线性与否。 "separability" 的概念在这里不起作用。