×
马蒂厄·马尔巴克；文森特·范德维尔

易于处理的多分区群集。 （英语） Zbl 1507.62127号

计算。统计数据分析。 132, 167-179 (2019).
摘要：在基于模型的聚类框架中，提出了一个允许多个潜在类变量的模型。该模型假设观测数据的分布可以分解为几个独立的变量块。假设每个块都遵循一个潜在的类模型(即。，与条件独立性假设的混合）。该模型包括变量选择，作为一种特殊情况，能够处理混合数据设置。模型的简单性允许同时估计将变量重新划分为块和混合参数，从而避免对每个可能的变量重新划分成块运行EM算法。对于该方法，模型由块数、每个块内的簇数和变量重新划分为块来定义。模型选择可以用两个信息标准，即BIC和MICL来完成，为此提出了一种有效的优化方法。利用模拟数据和实际数据对模型的性能进行了研究。结果表明，所提出的方法对手头的数据集给出了丰富的解释(即。，分析将变量重新划分为块，并分析每个变量块产生的簇）。

引用于5文件

MSC公司：

62-08 统计问题的计算方法
62H30型 分类和区分；聚类分析（统计方面）
10层62层 点估计

关键词：

混合物模型；基于模型的聚类；模型选择；混合数据；变量选择

软件：

预防卒中；可变选择LCM；PGMM公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Marbac}和\textit{V.Vandewalle}，计算。统计数据分析。132167-179（2019年；兹比尔1507.62127）
全文： 内政部 arXiv公司

参考文献：

[1] 奥尔曼，E。；马蒂亚斯，C。；Rhodes，J.，具有多个观测变量的潜在结构模型中参数的可识别性，Ann.Statist。，37、6A、3099-3132（2009）·Zbl 1191.62003号
[2] 比尔纳基，C。；Celeux，G。；Govaert，G.，《用综合完全似然评估聚类的混合模型》，IEEE Trans。模式分析。机器。智力。，22, 7, 719-725 (2000)
[3] Dempster，A。；莱尔德，N。；Rubin，D.，《通过EM算法从不完整数据中获得最大似然》，J.R.Stat.Soc.Ser。B统计方法。，39, 1, 1-38 (1977) ·Zbl 0364.62022号
[4] 福里纳，M。；阿玛尼诺，C。；M.卡斯蒂诺。；Ubigli，M.，多元数据分析作为葡萄酒原产地的判别方法，Vitis，25,3189-201（1986）
[5] 加林贝蒂，G。；Manisi，A。；Soffritti，G.，《变量在基于模型的聚类分析中的作用建模》，Stat.Comput。，28, 1, 145-169 (2018) ·Zbl 1384.62195号
[6] 加林贝蒂，G。；Soffriti，G.，识别数据集中多个集群结构的基于模型的方法，计算。统计师。数据分析。，52, 1, 520-536 (2007) ·Zbl 1452.62442号
[7] 戈瓦特，G。；Nadif，M.，用块混合模型聚类，模式识别。，36, 2, 463-473 (2003)
[8] Green，P.J.，《关于使用em进行惩罚似然估计》，J.R.Stat.Soc.Ser。B统计方法。，443-452 (1990) ·Zbl 0706.62022号
[9] Hand，D。；Y.Keming，《白痴贝叶斯》，终究没那么蠢吗？，国际统计版次，69，3，385-398（2001）·Zbl 1213.62010年
[10] 马尔巴克，M。；帕廷，E。；Sedki，M.，混合数据聚类的变量选择：基于模型的方法，J.Classification（2018），（出版中）
[11] 马尔巴克，M。；Sedki，M.，《使用综合完整数据可能性进行基于模型聚类的变量选择》，《统计计算》。，27, 4, 1049-1063 (2017) ·Zbl 1384.62199号
[12] 毛吉斯，C。；Celeux，G。；Martin-Magniete，M.-L.，高斯混合模型聚类的变量选择，生物计量学，65，3，701-709（2009）·Zbl 1172.62021号
[13] 麦克拉克伦，G。；Krishnan，T.，《EM算法》（Wiley Series in Probability and Statistics:Applied Probability and Statisticals（1997），Wiley-Interscience:Wiley-Interscience New York）·Zbl 0882.62012号
[14] 麦克拉克伦，G。；Peel，D.，《有限混合模型》（Wiley Series in Probability and Statistics:Apllied Probability and Statisticals，2000），Wiley-Interscience:Wiley-Interscience New York）·Zbl 0963.62061号
[15] McNicholas，P.D.，ElSherbiny，A.，McDaid，A.F.，Murphy，T.B.，2018年。pgmm：解析高斯混合模型，R包版本1.2.2。；McNicholas，P.D.，ElSherbiny，A.，McDaid，A.F.，Murphy，T.B.，2018年。pgmm：简约高斯混合模型，R包版本1.2.2。
[16] McNicholas，医学博士。；Murphy，T.B.，简约高斯混合模型，统计计算。，18, 3, 285-296 (2008)
[17] 穆斯塔基，I。；Papageorgiou，I.，混合变量的潜在类模型及其在考古、计算中的应用。统计数据分析。，48, 3, 659-675 (2005) ·Zbl 1430.62254号
[18] Poon，L.K。；Zhang，N.L。；刘，T。；Liu，A.H.，高维数据的基于模型的聚类：变量选择与方面确定，国际。J.近似原因。，54, 1, 196-215 (2013) ·兹比尔1266.68160
[19] Raftery，A.E。；Dean，N.，基于模型聚类的变量选择，J.Amer。统计师。协会，101，473，168-178（2006）·Zbl 1118.62339号
[20] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 2, 461-464 (1978) ·Zbl 0379.62005年
[21] Teicher，H.，有限混合的可识别性，《数学年鉴》。统计，1265-1269（1963）·Zbl 0137.12704号
[22] Teicher，H.，乘积测度混合物的可识别性，《数学年鉴》。Stat.，38，1300-1302（1967）·Zbl 0153.47904号
[23] Witten，D.M。；Tibshirani，R.，《聚类中的特征选择框架》，J.Amer。统计师。协会，105，490，713-726（2010）·Zbl 1392.62194号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。