Model mešavine procesa Dirihleta
Model mešavine procesa Dirihleta (DPMM) je neparametarska Bejzijanska metoda klasterovanja uvedena putem Dirihleovog procesnog apriornog rasporeda Ferguson-a (1973) koji postavlja raspodelu verovatnoće nad raspodelama. Za razliku od konačnih modela mešavine, DPMM ne zahteva od analitičara da unapred odredi broj klastera; umesto toga, on iz podataka izračunava broj komponenti, omogućavajući efektivno neograničenu mešavinu koja raste kako pristižu nove opservacije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/sr/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.
- Bejzijevska regresijaBajesovska statistika↔ compare
- Latent Dirichlet Allocation (LDA)Mašinsko učenje↔ compare
- Markov Chain Monte Carlo (MCMC)Bajesovska statistika↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →