Mô hình Hỗn hợp Quá trình Dirichlet
Mô hình Hỗn hợp Quá trình Dirichlet (DPMM) là một phương pháp phân cụm Bayes phi tham số được giới thiệu thông qua tiên nghiệm quá trình Dirichlet của Ferguson (1973) đặt một phân phối xác suất lên các phân phối. Không giống như các mô hình hỗn hợp hữu hạn, DPMM không yêu cầu nhà phân tích chỉ định trước số lượng cụm; thay vào đó, nó suy luận số lượng thành phần từ dữ liệu, cho phép một hỗn hợp có số lượng không giới hạn về mặt hiệu quả, phát triển khi có thêm các quan sát.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Dirichlet Process Mixture Model. ScholarGate. https://scholargate.app/vi/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.
- Hồi quy BayesBayes↔ compare
- Phân bổ Dirichlet ẩn (LDA)Học máy↔ compare
- Chuỗi Markov Monte Carlo (MCMC)Bayes↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →