Robuuste Clusteranalyse (TCLUST)
Robuuste Clusteranalyse is een getrimde modelgebaseerde clusteringsmethode, geïntroduceerd door García-Escudero en collega's in 2008, die continue multivariate data partitioneert in clusters terwijl deze de invloed van uitschieters en ruis weerstaat. Door een fractie van de meest discordante observaties terzijde te schuiven, wordt voorkomen dat de teruggevonden clusterstructuur wordt gecontamineerd door afzwaaiende punten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/nl/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.
- Cluster-Robuuste StandaardfoutenStatistiek↔ compare
- MM-schatting voor robuuste regressieStatistiek↔ compare
- Robuuste Discriminante AnalyseStatistiek↔ compare
- Robuuste Principal Component Analyse (RPCA)Statistiek↔ compare
- W-estimator Robuuste Regressie (Welsch / Tukey Bisquare)Statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →