Байесов йерархичен клъстеринг (BHC)
Байесовият йерархичен клъстеринг е вероятностен агломеративен алгоритъм, който изгражда дърво от вложени сливания на клъстери, използвайки байесово сравнение на модели на всяка стъпка. Вместо да минимизира геометричен критерий за свързване, той оценява на всяко кандидат-сливане дали данните от два клъстера се обясняват по-добре от един общ модел или от два отделни модела, което води до статистически обоснована дендрограма.
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
- Heller, K. A. & Ghahramani, Z. (2005). Bayesian hierarchical clustering. In Proceedings of the 22nd International Conference on Machine Learning (ICML 2005), pp. 297–304. ACM. DOI: 10.1145/1102351.1102389 ↗
- Murtagh, F. & Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithms implement Ward's criterion? Journal of Classification, 31(3), 274–295. DOI: 10.1007/s00357-014-9161-z ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/bg/statistics/bayesian-hierarchical-clustering
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.
- Бейсов анализ на клъстериСтатистика↔ compare
- Байесов анализ на латентни класове (BLCA)Статистика↔ compare
- Байесово моделиране на смесиСтатистика↔ compare
- Клъстерен анализСтатистика↔ compare
- Йерархично групиранеМашинно обучение↔ compare
- Моделиране със смесиСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →