Почему PDF вектора признаков соответствует гауссовой смеси? ⇐ Python

[Anonymous]

Я пытаюсь выполнить задачу классификации изображений в наборе данных с
𝐿 классами. Сеть, которую я использую, разделена на экстрактор признаков и классификатор. Когда изображение передается через экстрактор признаков, извлекается вектор признаков, и когда этот вектор передается классификатору, он дает результат классификации.
Теперь, предположим, что сеть идеальна обученный, я слышал, что для изображения, принадлежащего классу 𝑎, выходной вектор признаков из экстрактора признаков не представлен распределением Гаусса со средним значением 𝜇_a и дисперсией 𝜎_a^2, а скорее смесью 𝐿
различных гауссовских распределений. Мне трудно понять эту концепцию.
Почему распределение признаков, полученных с помощью экстрактора признаков, соответствует гауссовой смеси, а не единому гауссовскому распределению?

Подробнее здесь: https://stackoverflow.com/questions/792 ... an-mixture