Bayesiansk K-means-klustring
Bayesiansk K-means-klustring utökar den klassiska K-means-algoritmen genom att placera priorfördelningar över klustercentra och blandningsproportioner. Detta probabilistiska ramverk ger osäkerhetsuppskattningar för klustertilldelningar, möjliggör principfast modellval för antalet kluster och regulariserar uppskattning av centra — särskilt värdefullt när data är knappa eller högdimensionella.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Kulis, B. & Jordan, M. I. (2012). Revisiting k-means: New algorithms via Bayesian nonparametrics. In Proceedings of the 29th International Conference on Machine Learning (ICML), Edinburgh, Scotland, pp. 513–520. link ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. Chapter 9 (Mixture models and EM) and Chapter 10 (Approximate Inference). ISBN: 978-0387310732
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian K-means Clustering. ScholarGate. https://scholargate.app/sv/statistics/bayesian-k-means-clustering
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk klusteranalysStatistik↔ jämför
- Bayesiansk hierarkisk klustring (BHC)Statistik↔ jämför
- Bayesiansk blandningsmodelleringStatistik↔ jämför
- KlusteranalysStatistik↔ jämför
- Latent Class Analysis (LCA)Statistik↔ jämför
- Mixture ModelingStatistik↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →