ডিরিচলেট প্রসেস মিক্সচার মডেল (DPMM)
ডিরিচলেট প্রসেস মিক্সচার মডেল (DPMM) হল একটি ননপ্যারামেট্রিক বায়েশিয়ান ক্লাস্টারিং পদ্ধতি যা ফার্গুসনের (১৯৭৩) ডিরিচলেট প্রসেস প্রায়র (prior) এর মাধ্যমে প্রবর্তিত হয়েছে, যা ডিস্ট্রিবিউশনের উপর একটি সম্ভাব্যতা বন্টন স্থাপন করে। সসীম মিক্সচার মডেলের বিপরীতে, DPMM বিশ্লেষককে ক্লাস্টারের সংখ্যা আগে থেকে নির্দিষ্ট করতে বাধ্য করে না; বরং এটি ডেটা থেকে কম্পোনেন্টের সংখ্যা অনুমান করে, যা একটি কার্যকরভাবে সীমাহীন মিক্সচার তৈরি করতে দেয় যা আরও পর্যবেক্ষণ আসার সাথে সাথে বৃদ্ধি পায়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/bn/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.
- বেয়েশীয় রিগ্রেশনবেইসীয়↔ compare
- ল্যাটেন্ট ডিরিচলে অ্যালোকেশন (LDA)যন্ত্র শিখন↔ compare
- মার্কভ চেইন মন্টি কার্লো (MCMC)বেইসীয়↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →