Zapis dokaza metode
Robust Cluster Analysis
Robust Cluster Analysis is a trimmed model-based clustering method, introduced by García-Escudero and colleagues in 2008, that partitions continuous multivariate data into clusters while resisting the influence of outliers and noise. By setting aside a fraction of the most discordant observations, it keeps the recovered cluster structure from being contaminated by stray points.
Izvorni zapis
Citati kopirani doslovno iz izvornog zapisa metode. Ne impliciraju nikakvu provjeru na razini tvrdnje.
Trimmed Robust Cluster Analysis (TCLUST)
Taksonomski zapis metode · regression-model / statistics
- 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. · URL
Uređene tvrdnje
Tvrdnje pohranjene u knjigu dokaza, svaka s vlastitom procjenom.
Nema uređenih tvrdnji
Ovaj prikaz ne izmišlja procjenu tvrdnje kada knjiga dokaza nema nijednu.
Povezane metode
Generirano iz grafa metode i prikazano kao strojno predložene relacije — ne implicira se nikakva tvrdnja dokaza.