Robusna klaster analiza (TCLUST)
Robusna klaster analiza je trimmed model-based metoda klasteriranja, koju su uveli García-Escudero i suradnici 2008. godine, a koja dijeli kontinuirane multivarijatne podatke u klastere otporna na utjecaj odstupajućih vrijednosti (outliers) i šuma. Ostavljajući po strani dio najdiskordantnijih opažanja, sprječava se da oporavljena struktura klastera bude kontaminirana zalutalim točkama.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/hr/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.
- Robustni standardni pogrešci za klastereStatistika↔ compare
- MM-procjena za robusnu regresijuStatistika↔ compare
- Robusna diskriminantna analizaStatistika↔ compare
- Robusna analiza glavnih komponenti (RPCA)Statistika↔ compare
- Robusna regresija W-procjeniteljem (Welsch / Tukey Bisquare)Statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →