Catatan bukti metode

Robust Gaussian Mixture Model

Robust Gaussian Mixture Model replaces the standard Gaussian components with heavier-tailed distributions — most commonly Student's t-distributions — or incorporates trimming and down-weighting of outliers within the EM framework. The result is a probabilistic clustering and density-estimation method that assigns genuinely anomalous points less influence on component parameters, preventing outliers from distorting cluster shapes or positions.

Sources recorded, not reviewed

Catatan sumber

Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.

Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)

Catatan metode taksonomi · ml-model / machine-learning

Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. · DOI 10.1023/A:1008981510081
Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. · ISBN 978-0-470-01092-1

Buka metode lengkap

Klaim yang dikurasi

Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.

Belum ada klaim yang dikurasi

Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.

Metode terkait

Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.

Same method familyIsolation Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketK-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketOne-class SVMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust k-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Regressionmachine-suggested · Relational suggestion, not evidence.