Робастный кластерный анализ (TCLUST)
Робастный кластерный анализ — это метод кластеризации на основе моделей с усечением, представленный Гарсиа-Эскудеро и его коллегами в 2008 году, который разбивает непрерывные многомерные данные на кластеры, оставаясь устойчивым к влиянию выбросов и шума. Откладывая в сторону долю наиболее несоответствующих наблюдений, он предотвращает загрязнение полученной структуры кластеров случайными точками.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/ru/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.
- Стандартные ошибки, робастные к кластеризацииСтатистика↔ compare
- MM-оценка для робастной регрессииСтатистика↔ compare
- Робастный дискриминантный анализСтатистика↔ compare
- Робастный анализ главных компонент (RPCA)Статистика↔ compare
- W-оценка (Welsch / Tukey Bisquare) в робастной регрессииСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →