Robust Mixture Modeling
Robust mixture modeling anvender endelige mixturemodeller — probabilistiske klyngeanalyser, der antager, at data stammer fra en blanding af underliggende subpopulationer — ved hjælp af komponentfordelinger eller estimeringsstrategier, der er designet til at være ufølsomme over for outliers og støj med tunge haler. De to dominerende tilgange erstatter Gaussiske komponenter med fordelinger med tungere haler, såsom den multivariate t-fordeling, eller trimmer en fast andel af de mest ekstreme observationer før tilpasning.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
- Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. DOI: 10.1023/A:1008981510081 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Finite Mixture Modeling. ScholarGate. https://scholargate.app/da/statistics/robust-mixture-modeling
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.
- MixturmodelleringStatistik↔ compare
- Robust klyngeanalyse (TCLUST)Statistik↔ compare
- Robust K-means ClusteringStatistik↔ compare
- Robust latent kasseanalyseStatistik↔ compare
- Robust Latent Profile AnalysisStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →