Сравнительный анализ алгоритмов кластеризации данных футбольной статистики на основе глубокого обучения и модели гауссовых смесей

Abstract

В работе рассмотрена модель гауссовых смесей и возможности ее применения для решения задач кластеризации. Сначала рассмотрен случай, когда модель гауссовых смесей формируется таким образом, что все параметры модели известны. Далее рассмотрен случай, когда происходит аппроксимация нормально распределенных данных с помощью модели гауссовых смесей. Наконец, в статье приведено исследование точности кластеризации двумерных данных футбольной статистики команд-призеров, команд-середняков и команд-аутсайдеров топ-5 европейских чемпионатов. Результаты работы алгоритма на базе моделей гауссовых смесей сравниваются с результатами кластеризации, выполненной с помощью нейронных сетей. The paper considers the Gaussian mixture models and the possibilities of its application for solving clustering problems. First, we considered the case when the Gaussian mixture models are formed in such a way that all the parameters of the model are known. Next, we consider the case when the approximation of normally distributed data occurs using the Gaussian mixture model. Finally, the article presents a study of the accuracy of clustering two- dimensional data of football statistics of prize-winning teams, middle teams and outsider teams of the top 5 European championships. The results of the algorithm based on the Gaussian mixture models are compared with the results of clustering performed using neural networks.