Methodenbewijsdossier

Robust Gaussian Mixture Model

Robust Gaussian Mixture Model replaces the standard Gaussian components with heavier-tailed distributions — most commonly Student's t-distributions — or incorporates trimming and down-weighting of outliers within the EM framework. The result is a probabilistic clustering and density-estimation method that assigns genuinely anomalous points less influence on component parameters, preventing outliers from distorting cluster shapes or positions.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)

Taxonomisch methodendossier · ml-model / machine-learning

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
Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. · ISBN 978-0-470-01092-1

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyIsolation Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketK-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketOne-class SVMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust k-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Regressionmachine-suggested · Relational suggestion, not evidence.