Robusta maisījumu modelēšana
Robustā maisījumu modelēšana pielāgo galīgos maisījumu modeļus — probibilistiskas grupēšanas metodes, kas pieņem, ka dati rodas no zemāku apakšpopulāciju maisījuma — izmantojot komponentu sadalījumus vai novērtēšanas stratēģijas, kas izstrādātas, lai nebūtu jutīgas pret izmetumiem un smagiem trokšņiem. Divas dominējošās pieejas aizstāj Gausa sadalījumus ar smagāku asti sadalījumiem, piemēram, daudzdimensionālo t sadalījumu, vai pirms pielāgošanas apgriež fiksētu īpaši ekstrēmo novērojumu daļu.
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
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Finite Mixture Modeling. ScholarGate. https://scholargate.app/lv/statistics/robust-mixture-modeling
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.
- Jaukto sadalījumu modelēšanaStatistika↔ compare
- Robustā kopu analīze (TCLUST)Statistika↔ compare
- Robust K-means ClusteringStatistika↔ compare
- Robustā latento klašu analīzeStatistika↔ compare
- Robusta latentā profila analīzeStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →