Latent structureMultivariate analysis

贝叶斯 K-均值聚类

贝叶斯 K-均值聚类通过为聚类中心和混合比例设置先验分布，扩展了经典的 K-均值算法。这种概率框架提供了聚类分配的不确定性估计，允许对聚类数量进行原则性的模型选择，并对聚类中心估计进行正则化——尤其是在数据稀疏或高维时非常有用。

用 StatMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

贝叶斯 K-均值聚类

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

ScholarGate. (2026, June 3). Bayesian K-means Clustering. ScholarGate. https://scholargate.app/zh/statistics/bayesian-k-means-clustering

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。