Модел на смеси от Дирихле процес
Моделът на смеси от Дирихле процес (DPMM) е безпараметричен Байесов метод за клъстериране, въведен чрез априорното разпределение на Дирихле процес на Ferguson (1973), което поставя вероятностно разпределение върху разпределения. За разлика от крайните смесителни модели, DPMM не изисква от анализатора предварително да специфицира броя на клъстерите; вместо това той извежда броя на компонентите от данните, позволявайки ефективно неограничена смес, която расте с постъпването на повече наблюдения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ferguson, T. S. (1973). A Bayesian analysis of some nonparametric problems. The Annals of Statistics, 1(2), 209–230. DOI: 10.1214/aos/1176342360 ↗
- Neal, R. M. (2000). Markov chain sampling methods for Dirichlet process mixture models. Journal of Computational and Graphical Statistics, 9(2), 249–265. DOI: 10.1080/10618600.2000.10474879 ↗
- Hjort, N. L., Holmes, C., Müller, P., & Walker, S. G. (Eds.) (2010). Bayesian Nonparametrics. Cambridge University Press. ISBN: 978-0-521-51346-3
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/bg/bayesian/dirichlet-process-mixture-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов регресионен моделБейсови методи↔ compare
- Латентна разпределение на Дирихле (LDA)Машинно обучение↔ compare
- Марковски Монте Карло вериги (MCMC)Бейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →