เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแบบเบย์ (Bayesian Cluster Analysis)	การจัดกลุ่มแบบลำดับชั้น
สาขาวิชา	สถิติศาสตร์	การเรียนรู้ของเครื่อง
ตระกูล	Latent structure	Machine learning
ปีกำเนิด	1998–2002	1963
ผู้ริเริ่ม	Fraley & Raftery (model-based); Dirichlet process formulations by Ferguson (1973) and Antoniak (1974)	Ward, J. H.
ประเภท	Probabilistic / model-based clustering	Unsupervised clustering (agglomerative)
แหล่งต้นตำรับ	Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631.	Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244.
ชื่อเรียกอื่น	BCA, Bayesian clustering, probabilistic cluster analysis, Bayesian model-based clustering	Hiyerarşik Kümeleme, hiyerarşik kümeleme, agglomerative clustering, hierarchical agglomerative clustering
ที่เกี่ยวข้อง	6	4
สรุป	Bayesian cluster analysis assigns observations to latent groups by combining a probabilistic model of within-cluster data with prior beliefs about cluster parameters and the number of clusters. It yields posterior probabilities of cluster membership and principled uncertainty estimates, making it more transparent than classical distance-based clustering algorithms.	Hierarchical clustering is an unsupervised method that groups observations into nested clusters and draws the result as a dendrogram, so the number of clusters need not be fixed in advance. Its agglomerative form rests on the objective-function grouping criterion introduced by Joe Ward in 1963.