Bayesian Hierarchical Clustering (BHC)
Bayesian hierarchical clustering ist ein probabilistischer agglomerativer Algorithmus, der einen Baum verschachtelter Cluster-Zusammenführungen aufbaut, indem er in jedem Schritt einen bayesianischen Modellvergleich verwendet. Anstatt ein geometrisches Verknüpfungskriterium zu minimieren, wird bei jeder Kandidaten-Zusammenführung bewertet, ob die Daten aus zwei Clustern besser durch ein einziges kombiniertes Modell oder durch zwei separate Modelle erklärt werden, was zu einem statistisch fundierten Dendrogramm führt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/de/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.
- Bayesian ClusteranalyseStatistik↔ compare
- Bayesianische Latente Klassenanalyse (BLCA)Statistik↔ compare
- Bayes'sche MischungsmodellierungStatistik↔ compare
- ClusteranalyseStatistik↔ compare
- Hierarchische ClusteranalyseMaschinelles Lernen↔ compare
- Mixture-ModellierungStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →