Model de Mescla del Procés de Dirichlet
El Model de Mescla del Procés de Dirichlet (DPMM) és un mètode no paramètric bayesià de clustering introduït a través del prior del procés de Dirichlet de Ferguson (1973) que col·loca una distribució de probabilitat sobre distribucions. A diferència dels models de mescla finits, el DPMM no requereix que l'analista especifiqui el nombre de clústers per avançat; en canvi, inferix el nombre de components a partir de les dades, permetent una mescla efectivament il·limitada que creix a mesura que arriben més observacions.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/ca/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.
- Regressió BayesianaBayesià↔ compare
- Latent Dirichlet Allocation (LDA)Aprenentatge automàtic↔ compare
- Cadenes de Markov Monte Carlo (MCMC)Bayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →