Bayesiläinen klusterianalyysi
Bayesiläinen klusterianalyysi jakaa havainnot piileviin ryhmiin yhdistämällä todennäköisyysmallin klusterin sisäisestä datasta ja ennakkokäsitykset klusteriparametreista sekä klusterien lukumäärästä. Se tuottaa posterioritodennäköisyydet klusterijäsenyydelle ja periaatteelliset epävarmuusarviot, mikä tekee siitä läpinäkyvämmän kuin klassiset etäisyyspohjaiset klusterointialgoritmit.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Lähteet
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
- Lau, J. W. & Green, P. J. (2007). Bayesian model-based clustering procedures. Journal of Computational and Graphical Statistics, 16(3), 526–558. DOI: 10.1198/106186007X238855 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Cluster Analysis. ScholarGate. https://scholargate.app/fi/statistics/bayesian-cluster-analysis
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.
- Bayesiläinen piiloluokka-analyysi (BLCA)Tilastotiede↔ compare
- Bayesiläinen sekoitusmallinnusTilastotiede↔ compare
- RyhmäanalyysiTilastotiede↔ compare
- Hierarkkinen ryvästyminenKoneoppiminen↔ compare
- Latent Class Analysis (LCA)Tilastotiede↔ compare
- SekoitusmallinnusTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →