A Survey on Model-Based Co-Clustering: High Dimension and Estimation Challenges

Christophe Biernacki; Julien Jacques; C. Keribin

doi:10.1007/s00357-023-09441-3

第三条Dans Une Revue（合成文章）分类杂志 Anneée:2023年

基于模型的协同聚类综述：高维和估计挑战

(1),(2),(3)

1
2
三

克里斯托夫·比尔纳基

功能：奥特尔
人员ID:923939

数据分析和学习模型

朱利安·雅克

功能：奥特尔
人员ID:173226
伊达尔：朱利安·雅克
ORCID代码：0000-0003-4808-2781
ID参考号：098191551

里昂大学

现金流量

C.可利宾

功能：奥特尔
人员ID:180207
伊达尔：克里斯汀·克里宾
ORCID代码：0000-0002-6818-4390
ID参考号：155283049

统计数学与应用

Résumé

基于模型的协同聚类可以被视为基于模型的聚类的一个特别有价值的扩展，主要原因有三：（1）在允许数据集的行/个体和列/变量的数量大幅减少的同时，（2）它还允许对这样一个结果简化的数据集进行解释，因为初始个体和特征的含义在后者中得到保留；（3）此外，它还得益于强大的数理统计理论，用于估计和模型选择。因此，近年来许多作者在这方面取得了新的进展，本文对相关文献进行了全面更新。此外，这是传递两个信息的机会，并有具体的研究材料作支持：（1）联合聚类仍然需要一些新的和激励性的研究来解决一些明确的估计问题，（2）联合聚类可能是在（非常）高维环境中要解决的最有希望的聚类方法之一，这与现代数据集的全球趋势相对应

Mots clés公司

高维聚类混合物模型类EM算法型号选择混合数据类型

与葡萄园

梅托多洛基[统计.ME]

菲奇尔校长

Cocclustering_survey.pdf（2.91个月）

原籍	菲奇尔斯（Fichiers）出品的par l’（les）auteur（s）

克里斯托夫·比尔纳基 : Connectez-vous浇注接触器le contributer

https://hal.science/hal-03769727

Soumis le：隆迪2022-16:28:56年9月5日

Dernière修改le:lundi 10 juin 2024-11:37:23

长期档案馆：mardi 6 décembre 2022-19:03:10

日期和版本

hal-03769727，版本1 (05-09-2022)

执照

父爱

身份证明人

HAL Id： hal-03769727，版本1
内政部： 2007年10月7日/00357-023-09441-3

Citer公司

Christophe Biernacki，Julien Jacques，C.Keribin。基于模型的协同聚类调查：高维和估计挑战。分类杂志, 2023,⟨10.1007/s00357-023-09441-3⟩.⟨哈尔-03769727⟩

出口商

BibTeX公司 XML-TEI公司都柏林核心元数据集 DC条款尾注数据引用

CNRS公司 INRIA公司 INSMI公司 LM-ORSAY公司 INRIA2公司 UNIV-PARIS-SACLAY大学 UNIV-LILLE公司 GS-模型 GS-计算机科学 LPP数学

82 磋商

200 交易费用