Процес Діріхле суміші (DPMM)
Процес Діріхле суміші (DPMM) — це непараметричний байєсівський метод кластеризації, запроваджений за допомогою апріорного розподілу Діріхле Фергюсона (1973), який накладає ймовірнісний розподіл на розподіли. На відміну від скінченних сумішевих моделей, DPMM не вимагає від аналітика попереднього визначення кількості кластерів; натомість він виводить кількість компонентів із даних, дозволяючи ефективно необмежену суміш, яка зростає зі надходженням нових спостережень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/uk/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.
- Байєсівська регресіяБаєсові методи↔ compare
- Розподіл Діріхле для прихованих тем (LDA)Машинне навчання↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →