Robuuste Mixture Modellering
Robuuste mixture modellering past eindige mixture modellen toe — probabilistische clusteringmethoden die aannemen dat data voortkomen uit een mengsel van onderliggende subpopulaties — met behulp van componentverdelingen of schattingsstrategieën die ontworpen zijn om ongevoelig te zijn voor uitschieters en ruis met zware staarten. De twee dominante benaderingen vervangen Gaussische componenten door verdelingen met zwaardere staarten, zoals de multivariate t-verdeling, of trimmen een vast percentage van de meest extreme observaties vóór de aanpassing.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Finite Mixture Modeling. ScholarGate. https://scholargate.app/nl/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.
- Mixture ModelingStatistiek↔ compare
- Robuuste Clusteranalyse (TCLUST)Statistiek↔ compare
- Robuuste K-gemiddelden ClusteringStatistiek↔ compare
- Robuuste Latente Klasse AnalyseStatistiek↔ compare
- Robuuste Latente ProfielanalyseStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →