Bayesian methods
디리클레 과정 혼합 모형
디리클레 과정 혼합 모형(DPMM)은 분포에 대한 확률 분포를 설정하는 퍼거슨(1973)의 디리클레 과정 사전 분포를 통해 소개된 비모수 베이지안 군집화 방법입니다. 유한 혼합 모형과 달리 DPMM은 분석가가 사전에 군집 수를 지정할 필요가 없으며, 대신 데이터로부터 구성 요소 수를 추론하여 관측치가 더 많이 도착함에 따라 증가하는 효과적으로 무제한적인 혼합을 허용합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/ko/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.
- 베이즈 회귀베이지안↔ compare
- 잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)머신러닝↔ compare
- 마르코프 연쇄 몬테카를로 (MCMC)베이지안↔ compare