Metodin todisteiden tietue

Robust Gaussian Mixture Model

Robust Gaussian Mixture Model replaces the standard Gaussian components with heavier-tailed distributions — most commonly Student's t-distributions — or incorporates trimming and down-weighting of outliers within the EM framework. The result is a probabilistic clustering and density-estimation method that assigns genuinely anomalous points less influence on component parameters, preventing outliers from distorting cluster shapes or positions.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)

Taksonominen metoditietue · ml-model / machine-learning

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
Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. · ISBN 978-0-470-01092-1

Avaa koko metodi

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.

Same method familyIsolation Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketK-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketOne-class SVMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust k-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Regressionmachine-suggested · Relational suggestion, not evidence.