Dirichletov procesný zmesový model
Dirichletov procesný zmesový model (DPMM) je neparametrická Bayesovská metóda zhlukovej analýzy, ktorá bola zavedená prostredníctvom Dirichletovho procesného prioru Fergusona (1973), ktorý umiestňuje pravdepodobnostné rozdelenie na rozdelenia. Na rozdiel od konečných zmesových modelov, DPMM nevyžaduje od analytika špecifikovať počet zhlukov vopred; namiesto toho odvodzuje počet komponentov z dát, čo umožňuje efektívne neobmedzenú zmes, ktorá rastie s príchodom ďalších pozorovaní.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ferguson, T. S. (1973). A Bayesian analysis of some nonparametric problems. The Annals of Statistics, 1(2), 209–230. DOI: 10.1214/aos/1176342360 ↗
- Neal, R. M. (2000). Markov chain sampling methods for Dirichlet process mixture models. Journal of Computational and Graphical Statistics, 9(2), 249–265. DOI: 10.1080/10618600.2000.10474879 ↗
- Hjort, N. L., Holmes, C., Müller, P., & Walker, S. G. (Eds.) (2010). Bayesian Nonparametrics. Cambridge University Press. ISBN: 978-0-521-51346-3
Ako citovať túto stránku
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/sk/bayesian/dirichlet-process-mixture-model
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.
- Bayesovská regresiaBayesovské metódy↔ compare
- Latent Dirichlet Allocation (LDA)Strojové učenie↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovské metódy↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →