Metodin todisteiden tietue
Robust Cluster Analysis
Robust Cluster Analysis is a trimmed model-based clustering method, introduced by García-Escudero and colleagues in 2008, that partitions continuous multivariate data into clusters while resisting the influence of outliers and noise. By setting aside a fraction of the most discordant observations, it keeps the recovered cluster structure from being contaminated by stray points.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Trimmed Robust Cluster Analysis (TCLUST)
Taksonominen metoditietue · regression-model / statistics
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A General Trimming Approach to Robust Cluster Analysis. The Annals of Statistics, 36(3), 1324-1345. · DOI 10.1214/07-AOS515
- Riani, M., Cerioli, A., Atkinson, A. C., & Perrotta, D. (2014). Monitoring Robust Regression / Robust Clustering. Statistics and Computing. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.