Agrupamento K-means Bayesiano
O agrupamento K-means Bayesiano estende o algoritmo K-means clássico ao colocar distribuições a priori sobre os centroides dos clusters e as proporções de mistura. Este arcabouço probabilístico fornece estimativas de incerteza para as atribuições de cluster, permite uma seleção de modelo fundamentada para o número de clusters e regulariza a estimação dos centroides — o que é especialmente valioso quando os dados são escassos ou de alta dimensionalidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Kulis, B. & Jordan, M. I. (2012). Revisiting k-means: New algorithms via Bayesian nonparametrics. In Proceedings of the 29th International Conference on Machine Learning (ICML), Edinburgh, Scotland, pp. 513–520. link ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. Chapter 9 (Mixture models and EM) and Chapter 10 (Approximate Inference). ISBN: 978-0387310732
Como citar esta página
ScholarGate. (2026, June 3). Bayesian K-means Clustering. ScholarGate. https://scholargate.app/pt/statistics/bayesian-k-means-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.
- Análise de Agrupamento BayesianaEstatística↔ compare
- Agrupamento Hierárquico Bayesiano (BHC)Estatística↔ compare
- Modelagem de Mistura BayesianaEstatística↔ compare
- Análise de ClusterEstatística↔ compare
- Análise de Classes Latentes (LCA)Estatística↔ compare
- Modelagem de MisturasEstatística↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →