Байесовский иерархический кластерный анализ (BHC)
Байесовский иерархический кластерный анализ — это вероятностный агломеративный алгоритм, который строит дерево вложенных слияний кластеров, используя байесовское сравнение моделей на каждом шаге. Вместо минимизации критерия геометрической связи он оценивает на каждом кандидате слияния, лучше ли данные из двух кластеров объясняются одной объединенной моделью или двумя раздельными моделями, что приводит к статистически обоснованной дендрограмме.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Hierarchical Clustering. ScholarGate. https://scholargate.app/ru/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.
- Байесовский кластерный анализСтатистика↔ compare
- Байесовский анализ латентных классов (BLCA)Статистика↔ compare
- Байесовское моделирование смесейСтатистика↔ compare
- Кластерный анализСтатистика↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
- Моделирование смесейСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →