Regression model
강건 군집 분석 (TCLUST)
강건 군집 분석은 2008년 García-Escudero와 동료들이 소개한 절단 모델 기반 군집 방법으로, 이상치와 노이즈의 영향을 견디면서 연속 다변량 데이터를 군집으로 분할합니다. 가장 부조화된 관측치의 일부를 제외함으로써, 복구된 군집 구조가 흩어진 점들에 의해 오염되는 것을 방지합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/ko/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.
- 군집 강건 표준 오차 (Cluster-Robust Standard Errors)통계학↔ compare
- MM-추정량을 이용한 강건 회귀분석통계학↔ compare
- 강건 판별 분석통계학↔ compare
- 강건 주성분 분석 (RPCA)통계학↔ compare
- W-추정량 로버스트 회귀 (Welsch / Tukey Bisquare)통계학↔ compare