เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแบบเบย์ (Bayesian Cluster Analysis)	การสร้างแบบจำลองแบบผสม (Mixture Modeling)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1998–2002	1894
ผู้ริเริ่ม	Fraley & Raftery (model-based); Dirichlet process formulations by Ferguson (1973) and Antoniak (1974)	Karl Pearson
ประเภท	Probabilistic / model-based clustering	Latent variable / density estimation
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.	McLachlan, G. J. & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience. ISBN: 978-0471006268
ชื่อเรียกอื่น	BCA, Bayesian clustering, probabilistic cluster analysis, Bayesian model-based clustering	finite mixture model, mixture distribution model, FMM, model-based clustering
ที่เกี่ยวข้อง	6	6
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.	Mixture modeling assumes that a population is composed of K unobserved subpopulations, each described by its own probability distribution. The observed data are treated as draws from a weighted combination of these component distributions. It provides a principled, model-based alternative to ad hoc clustering and supports formal comparison of solutions with different numbers of components.