Hierarchiczne klastrowanie bayesowskie (BHC)
Hierarchiczne klastrowanie bayesowskie jest probabilistycznym algorytmem aglomeracyjnym, który buduje drzewo zagnieżdżonych połączeń klastrów, wykorzystując porównanie modeli bayesowskich na każdym etapie. Zamiast minimalizować geometryczne kryterium połączenia, algorytm ocenia na każdym etapie kandydującego połączenia, czy dane z dwóch klastrów są lepiej wyjaśnione przez jeden wspólny model, czy przez dwa oddzielne modele, co prowadzi do dendrogramu opartego na zasadach statystycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Heller, K. A. & Ghahramani, Z. (2005). Bayesian hierarchical clustering. In Proceedings of the 22nd International Conference on Machine Learning (ICML 2005), pp. 297–304. ACM. DOI: 10.1145/1102351.1102389 ↗
- Murtagh, F. & Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithms implement Ward's criterion? Journal of Classification, 31(3), 274–295. DOI: 10.1007/s00357-014-9161-z ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/pl/statistics/bayesian-hierarchical-clustering
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.
- Bayesowska analiza skupieńStatystyka↔ compare
- Bayesowska analiza klas ukrytych (BLCA)Statystyka↔ compare
- Modelowanie mieszanin bayesowskichStatystyka↔ compare
- Analiza skupieńStatystyka↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Modelowanie mieszaninStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →