Beiziešu hierarhiskā klasterizācija (BHC)
Beiziešu hierarhiskā klasterizācija ir probablistisks aglomeratīvs algoritms, kas veido ligzdotu klasteru apvienošanas koku, katrā solī izmantojot Beiziešu modeļu salīdzinājumu. Tā vietā, lai minimizētu ģeometrisku saišu kritēriju, tā katrā kandidātu apvienošanā novērtē, vai divu klasteru dati labāk izskaidrojami ar vienu kopīgu modeli vai ar diviem atsevišķiem modeļiem, tādējādi iegūstot statistiski pamatotu dendrogrammu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Heller, K. A. & Ghahramani, Z. (2005). Bayesian hierarchical clustering. In Proceedings of the 22nd International Conference on Machine Learning (ICML 2005), pp. 297–304. ACM. DOI: 10.1145/1102351.1102389 ↗
- Murtagh, F. & Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithms implement Ward's criterion? Journal of Classification, 31(3), 274–295. DOI: 10.1007/s00357-014-9161-z ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/lv/statistics/bayesian-hierarchical-clustering
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.
- Bayesiskā klasteru analīzeStatistika↔ compare
- Beieziešu latentās klases analīze (BLCA)Statistika↔ compare
- Beieziešu maisījuma modelēšanaStatistika↔ compare
- Klasteru analīzeStatistika↔ compare
- Hierarhiskā klasterizācijaMašīnmācīšanās↔ compare
- Jaukto sadalījumu modelēšanaStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →