×
达米安·麦克帕兰德;葛姆雷，伊索贝尔·克莱尔

混合数据的基于模型的聚类：clustMD。 （英语） Zbl 1414.62254号

高级数据分析。分类。，ADAC公司 10，第2期，155-169（2016）.
摘要：使用潜在变量模型开发了一种基于模型的混合类型数据聚类程序clustMD。提出了一种潜在变量，遵循混合高斯分布，生成混合类型的观测数据。观测数据可以是连续变量、二进制变量、序数变量或标称变量的任意组合。clustMD对潜在变量采用了一种简约的协方差结构，从而形成了一套六种不同复杂度的聚类模型，为混合数据的聚类提供了一种优雅而统一的方法。使用期望最大化（EM）算法估计集群MD；在存在标称数据的情况下，需要使用蒙特卡罗EM算法。clustMD模型通过对模拟混合类型数据和前列腺癌患者进行聚类来说明，这些患者的混合数据已被记录。

引用于11文件

MSC公司：

62小时30分 分类和区分；聚类分析（统计方面）
68吨10 模式识别、语音识别
91C20个 社会和行为科学中的集群
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

潜在变量;混合物模型;混合数据;蒙特卡洛EM

软件：

MULTIMIX公司;碱性磷酸酶;麦克鲁斯特;对;集群MD
PDF格式BibTeX公司 XML格式引用
\textit{D.McParland}和\textit{I.C.Gormley}，高级数据分析。分类。，ADAC 10，No.2，155--169（2016；Zbl 1414.62254）
全文： DOI程序 arXiv公司

参考文献：

[1] Andrews DA，Herzberg AM（1985）《数据：学生和研究工作者在许多领域的问题集合》。纽约州施普林格·Zbl 0567.62002号 ·doi:10.1007/978-1-4612-5098-2
[2] Banfield JD，Raftery AE（1993）基于模型的混合类型数据聚类和分类。生物计量学49（3）：803-821·Zbl 0794.62034号 ·doi:10.2307/2532201
[3] Browne RP，McNicholas PD（2012）混合类型数据的基于模型的聚类和分类。J Stat Plan推断142:2976-2984·Zbl 1335.62093号 ·doi:10.1016/j.jspi.2012.05.001
[4] Byar DP、Green SB（1980）《基于协变量信息的癌症患者治疗选择：前列腺癌的应用》。癌症公牛67:477-490
[5] Cagnone S，Viroli C（2012）多元二进制数据的因子混合分析模型。统计模型12:257-277·Zbl 07257879号 ·doi:10.1177/1471082X1101200303
[6] Cai JH，Song XY，Lam KH，Ip EHS（2011）混合模式和异质数据的广义潜在变量模型的混合。计算机统计数据分析55:2889-2907·Zbl 1218.62012号 ·doi:10.1016/j.csda.2011.05.011
[7] Celeux G，Govaert G（1995）高斯简约聚类模型。图案识别28（5）：781-793·doi:10.1016/0031-3203（94）00125-6
[8] Dempster AP，Laird NM，Rubin DB（1977）通过EM算法从不完整数据中获得最大似然。J R Stat Soc Ser B（方法学）39（1）：1-38·Zbl 0364.62022号
[9] Everitt BS（1988）混合模式数据聚类的有限混合模型。统计概率快报6:305-309·doi:10.1016/0167-7152（88）90004-1
[10] Fox JP（2010）贝叶斯项目响应建模。纽约州施普林格·Zbl 1271.62012年 ·doi:10.1007/978-1-4419-0742-4
[11] Fraley C、Raftery AE（2002），基于模型的聚类、判别分析和密度估计。美国国家统计协会97（458）：611-631·兹比尔1073.62545 ·doi:10.1198/016214502760047131
[12] Fraley C、Raftery AE、Murphy TB、Scrucca L（2012）mclust第4版R：基于模型的聚类、分类和密度估计的正态混合建模。华盛顿大学统计系第597号技术报告·Zbl 1520.62002号
[13] Frühwirth-Schnatter S（2006）有限混合和马尔可夫切换模型。纽约州施普林格·Zbl 1108.6202号
[14] Geweke J，Keane M，Runkle D（1994）多项式概率模型中推理的替代计算方法。经济评论Stat 76（4）：609-632·数字对象标识代码：10.2307/2109766
[15] Gollini I，Murphy TB（2014）基于模型聚类分类数据的潜在特征分析器混合。统计计算24（4）:569-588·兹比尔1325.62122
[16] Gruhl J，Erosheva EA，Crane P（2013）混合结果潜在变量模型的半参数方法：估计认知与区域脑容量之间的关联。应用统计年鉴7（2）：2361-2383·Zbl 1283.62218号 ·doi:10.1214/13-AOAS675
[17] Hunt L，Jorgensen M（1999）使用多重混合程序的混合模型聚类。澳大利亚N Z J统计41:153-171·Zbl 0962.62061号 ·网址：10.1111/1467-842X.00071
[18] Johnson VE，Albert JH（1999）顺序数据建模。纽约州施普林格·Zbl 0921.62141号
[19] Karlis D，Santourian A（2009），基于模型的非椭圆轮廓分布聚类。统计计算19（1）：73-83·doi:10.1007/s11222-008-9072-0
[20] Kass RE，Raftery AE（1995），贝叶斯因子。美国统计协会杂志90（430）：773-795·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572
[21] Kosmidis I，Karlis D（2015）使用连接函数与应用程序进行基于模型的聚类。统计计算1-21。doi:10.1007/s11222-015-9590-5·Zbl 1505.62233号
[22] Lawrence CJ、Krzanowski WJ（1996），混合模式数据的混合分离。统计计算6:85-92·doi:10.1007/BF00161577
[23] Marbac M，Biernacki C，Vandewalle V（2015）基于模型的混合数据高斯连接函数聚类。arXiv:1405.1299（预印本）·兹比尔1384.62198
[24] 麦克拉克伦，G。；皮，D。；Amin，A.（编辑）；Dori，D.（编辑）；Pudil，P.（编辑）；Freeman，H.（ed.），《通过多元t分布混合物进行稳健聚类分析》，第1451期，第658-666页（1998年），柏林·doi:10.1007/BFb0033290
[25] McLachlan GJ，Krishnan T（2008）EM算法和扩展。新泽西州威利·Zbl 1165.62019号 ·doi:10.1002/9780470191613
[26] McLachlan GJ，Peel D（2000）有限混合模型。新泽西州威利·Zbl 0963.62061号 ·doi:10.1002/0471721182
[27] McParland，D。；IC Gormley；Poel，D.（编辑）；Ultsch，A.（编辑）；Lausen，B.（编辑），通过潜在变量模型聚类有序数据，127-135（2013），柏林·数字对象标识代码：10.1007/978-3-319-00035-0_12
[28] McParland D、Gormley IC、McCormick TH、Clark SJ、Kabudula CW、Collinson MA（2014a）使用潜在变量模型根据南非家庭的资产状况对其进行聚类。应用统计年鉴8（2）：747-776·Zbl 1454.62503号 ·doi:10.1214/14-AOAS726
[29] McParland D、Gormley IC、Phillips CM、Brennan L、Roche HM（2014b）LIPGENE代谢综合征研究的混合连续和分类数据聚类：表型和遗传数据的联合分析。都柏林大学学院技术报告
[30] Morlini I（2011）在高斯混合模型中聚类混合二进制和连续变量的潜在变量方法。高级数据分析分类6（1）：5-28·Zbl 1284.62384号 ·doi:10.1007/s11634-011-0101-z
[31] Murray JS，Dunson DB，Carin L，Lucas JE（2013）混合数据的贝叶斯-高斯交配因子模型。美国统计协会期刊108（502）：656-665·Zbl 06195968号 ·doi:10.1080/01621459.2012.762328
[32] Muthén B，Shedden K（1999）使用EM算法对混合结果进行有限混合建模。生物统计学55:463-469·Zbl 1059.62599号 ·doi:10.1111/j.0006-341X.1999.00463.x
[33] O'Hagan A（2012）基于模型的聚类和分类主题。都柏林大学学院博士论文
[34] O'Hagan A、Murphy TB、Gormley IC（2012）《通过期望最大化算法进行混合模型计算方面》。计算统计数据分析56（12）：3843-3864·Zbl 1255.62180号 ·doi:10.1016/j.csda.2012.05.011
[35] Quinn KM（2004）混合有序和连续反应的贝叶斯因子分析。政治分析12（4）：338-353·doi:10.1093/pan/mph022
[36] R核心团队（2015）R：统计计算的语言和环境。R统计计算基金会，奥地利维也纳。网址：http://www.R-project.org/
[37] Schwarz G（1978）估算模型的维数。安统计6:461-464·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[38] Titterington DM、Smith AFM、Makov UE（1985）有限混合分布的统计分析。新泽西州威利·Zbl 0646.62013.中
[39] Wei GCG，Tanner MA（1990）EM算法和穷人数据增强算法的蒙特卡罗实现。美国统计协会杂志85:699-704·网址：10.1080/01621459.1990.10474930
[40] Willse A，Boik RJ（1999），用于聚类混合模式数据的位置模型的可识别有限混合。统计计算9:111-121·doi:10.1023/A：1008842432747
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。