Model mješavine Dirichletovog procesa
Model mješavine Dirichletovog procesa (DPMM) je neparametarska Bayesovska metoda klasteriranja uvedena Fergusonovim (1973) Dirichletovim procesom kao apriornom raspodjelom nad raspodjelama. Za razliku od konačnih modela mješavina, DPMM ne zahtijeva od analitičara da unaprijed odredi broj klastera; umjesto toga, broj komponenti izvodi iz podataka, dopuštajući efektivno neograničenu mješavinu koja raste kako pristižu nove opservacije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/hr/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.
- Bayesovska regresijaBayesovska statistika↔ compare
- Latent Dirichlet Allocation (LDA)Strojno učenje↔ compare
- Markovova lančana Monte Carlo (MCMC)Bayesovska statistika↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →