在使用高斯混合模型之前进行特征缩放很重要吗？
Is it important to make a feature scaling before using Gaussian Mixture Model?
在使用高斯混合模型之前进行特征缩放重要吗？以及为什么在我们使用概率获取集群参数（均值和协方差矩阵）时它很重要。
另一方面，我知道在使用 K-mean 之前标准化我们的数据很重要，因为这里的聚类取决于点和聚类之间的 Ecludiane 距离，如果一个特征有很大的值，它将主导这个多维距离计算
在高斯混合建模中，您将学习聚类的扩展和规模。因此，理想情况下，缩放它应该不会有任何区别。之后你只会得到不同比例的协方差矩阵。
在使用高斯混合模型之前进行特征缩放重要吗？以及为什么在我们使用概率获取集群参数（均值和协方差矩阵）时它很重要。 另一方面，我知道在使用 K-mean 之前标准化我们的数据很重要，因为这里的聚类取决于点和聚类之间的 Ecludiane 距离，如果一个特征有很大的值，它将主导这个多维距离计算
在高斯混合建模中，您将学习聚类的扩展和规模。因此，理想情况下，缩放它应该不会有任何区别。之后你只会得到不同比例的协方差矩阵。