Robust Cluster Analysis (TCLUST)
Robust Cluster Analysis on iteroidi-mallipohjainen klusterointimenetelmä, jonka García-Escudero ja kollegat esittelivät vuonna 2008. Se jakaa jatkuvia monimuuttujaisia aineistoja klustereihin vastustaen samalla poikkeavien havaintojen ja kohinan vaikutusta. Jättämällä syrjään osan epäjohdonmukaisimmista havainnoista, se estää löydetyn klusterirakenteen vääristymisen harvojen pisteiden vuoksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/fi/statistics/robust-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.
- Klusterivahvat keskivirheetTilastotiede↔ compare
- MM-estimaattori vankalle regressiolleTilastotiede↔ compare
- Robustti erotteluanalyysiTilastotiede↔ compare
- Robust Principal Component Analysis (RPCA)Tilastotiede↔ compare
- W-estimaattorin robusti regressio (Welsch / Tukey Bisquare)Tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →