डिरिचलेट प्रोसेस मिक्सचर मॉडल (DPMM)
डिरिचलेट प्रोसेस मिक्सचर मॉडल (DPMM) एक गैर-पैरामीट्रिक बायेसियन क्लस्टरिंग विधि है जिसे फर्ग्यूसन (1973) के डिरिचलेट प्रोसेस प्रायर के माध्यम से प्रस्तुत किया गया था, जो वितरणों पर एक संभाव्यता वितरण रखता है। परिमित मिश्रण मॉडल के विपरीत, DPMM के लिए विश्लेषक को क्लस्टर की संख्या पहले से निर्दिष्ट करने की आवश्यकता नहीं होती है; इसके बजाय यह डेटा से घटकों की संख्या का अनुमान लगाता है, जिससे अधिक अवलोकन आने पर प्रभावी रूप से असीमित मिश्रण बढ़ता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Ferguson, T. S. (1973). A Bayesian analysis of some nonparametric problems. The Annals of Statistics, 1(2), 209–230. DOI: 10.1214/aos/1176342360 ↗
- Neal, R. M. (2000). Markov chain sampling methods for Dirichlet process mixture models. Journal of Computational and Graphical Statistics, 9(2), 249–265. DOI: 10.1080/10618600.2000.10474879 ↗
- Hjort, N. L., Holmes, C., Müller, P., & Walker, S. G. (Eds.) (2010). Bayesian Nonparametrics. Cambridge University Press. ISBN: 978-0-521-51346-3
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/hi/bayesian/dirichlet-process-mixture-model
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.
- बेयसियन रिग्रेशनबायेसियन↔ compare
- Latent Dirichlet Allocation (LDA)मशीन अधिगम↔ compare
- मार्कोव चेन मोंटे कार्लो (MCMC)बायेसियन↔ compare