Metodbevispost

Robust Gaussian Mixture Model

Robust Gaussian Mixture Model replaces the standard Gaussian components with heavier-tailed distributions — most commonly Student's t-distributions — or incorporates trimming and down-weighting of outliers within the EM framework. The result is a probabilistic clustering and density-estimation method that assigns genuinely anomalous points less influence on component parameters, preventing outliers from distorting cluster shapes or positions.

Sources recorded, not reviewed

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)

Taxonomisk metodpost · ml-model / machine-learning

Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. · DOI 10.1023/A:1008981510081
Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. · ISBN 978-0-470-01092-1

Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.

Same method familyIsolation Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketK-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketOne-class SVMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust k-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Regressionmachine-suggested · Relational suggestion, not evidence.