Robust Cluster Analysis
Robust Cluster Analysis is a trimmed model-based clustering method, introduced by García-Escudero and colleagues in 2008, that partitions continuous multivariate data into clusters while resisting the influence of outliers and noise. By setting aside a fraction of the most discordant observations, it keeps the recovered cluster structure from being contaminated by stray points.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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. · URL
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.