Bayesiläinen hierarkkinen klusterointi (BHC)
Bayesiläinen hierarkkinen klusterointi on probabilistinen agglomeroiva algoritmi, joka rakentaa pesäkkäisten klusteriyhdistämisten puun käyttämällä Bayesiläistä mallivertailua jokaisessa vaiheessa. Sen sijaan, että minimoitaisiin geometrinen linkityskriteeri, se arvioi jokaisessa ehdollisessa yhdistämisessä, selittävätkö kahden klusterin data paremmin yksi yhdistetty malli vai kaksi erillistä mallia, tuottaen tilastollisesti perustellun dendrogrammin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen klusterianalyysiTilastotiede↔ compare
- Bayesiläinen piiloluokka-analyysi (BLCA)Tilastotiede↔ compare
- Bayesiläinen sekoitusmallinnusTilastotiede↔ compare
- RyhmäanalyysiTilastotiede↔ compare
- Hierarkkinen ryvästyminenKoneoppiminen↔ compare
- SekoitusmallinnusTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →