魏宇宏;保罗·D·麦克尼古拉斯。 用于聚类的混合模型平均。 （英语） Zbl 1414.62283号 高级数据分析。分类。，阿达克 9，第2期，197-217（2015）. 摘要：在基于混合模型的聚类应用程序中，通常会拟合一个系列中的多个模型，并仅报告“最佳”模型的聚类结果。在这种情况下，使用模型选择准则（通常是贝叶斯信息准则）来选择最佳模型。除了最好的模型之外，我们没有丢弃所有模型，而是将在某种意义上接近最佳模型的多个模型平均化，从而产生聚类结果的加权平均值。考虑了两种（加权）平均方法：平均组件成员概率和平均模型。在这两种情况下，Occam的窗口用于确定与最佳模型的接近程度，并在贝叶斯模型平均范式中计算权重。在某些情况下，我们需要在平均之前合并组件；我们介绍了一种基于调整后的Rand指数的混合成分合并方法。通过对真实数据和模拟数据的一系列高斯混合模型，说明了我们基于模型的聚类平均方法的有效性。 引用于6文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 关键词：群集;混合物模型;模型平均值;基于模型的聚类 软件：混合物;集群生成;Matlab公司;Flury公司;遥远的;麦克卢斯特;百万像素;R（右） PDF格式BibTeX公司 XML格式引用 \textit{Y.Wei}和\textit{P.D.McNicholas}，高级数据分析。分类。，ADAC 9，No.2，197--217（2015；Zbl 1414.62283） 全文： 内政部 arXiv公司 参考文献： [1] 安德森·E（1935）《加斯佩半岛的鸢尾花》。公牛Am Iris Soc 59:2-5 [2] Andrews JL，McNicholas PD（2011）《多元t因子分析仪的扩展混合物》。统计计算21（3）：361-373·Zbl 1255.62175号 [3] Andrews JL、McNicholas PD、Subedi S（2011），通过多元t分布混合物进行基于模型的分类。计算机统计数据分析55（1）：520-529·Zbl 1247.62151号 [4] Banfield JD，Raftery AE（1993），基于模型的高斯和非高斯聚类。生物统计学49（3）：803-821·Zbl 0794.62034号 [5] Basford KE，McLachlan GJ（1985），聚类分析背景下的分配率估计。美国统计协会杂志80（390）：286-293 [6] Baudry J-P，Raftery AE，Celeux G，Lo K，Gottardo R（2010）《组合混合成分进行聚类》，《计算图形统计杂志》19（2）：332-353 [7] Bhattacharya S，McNicholas PD（2014）用于混合物模型选择的LASSO化BIC。高级数据分析分类8（1）：45-61·兹比尔1474.62212 [8] Biernacki C，Celeux G，Govaert G（2000）使用综合完全似然评估聚类的混合模型。IEEE Trans-Pattern Ana Mach Intell 22（7）：719-725 [9] Bouveyron C，Girard S，Schmid C（2007）高维数据聚类。计算统计数据分析52（1）：502-519·Zbl 1452.62433号 [10] Browne RP，McNicholas PD（2013）《混合物：聚类和分类的混合物模型》。R包版本1.0·Zbl 1332.62215号 [11] Browne RP，McNicholas PD（2014）《高维常见主成分的估算》。高级数据分析分类8（2）：217-226·Zbl 1474.62183号 [12] Celeux G，Govaert G（1995）高斯简约聚类模型。图案识别28（5）：781-793 [13] Dahl DB（2006）通过Dirichlet过程混合模型对表达数据进行基于模型的聚类。In：Do K-A，Müller P，Vannucci M（eds）基因表达和蛋白质组学的贝叶斯推断。剑桥大学出版社，纽约 [14] Dasgupta A，Raftery AE（1998），通过基于模型的聚类检测杂波空间点过程的特征。美国统计学会杂志93:294-302·Zbl 0906.62105号 [15] Dean N，Murphy TB，Downey G（2006）使用未标记数据更新分类规则，以应用于食品真实性研究。J R Stat Soc:序列C 55（1）：1-14·Zbl 1490.62155号 [16] 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:序列B 39（1）：1-38·Zbl 0364.62022号 [17] Faraway J（2011）《Faraway:书籍的函数和数据集》，朱利安·法拉韦著。R包版本1.0.5 [18] Fisher RA（1936）分类问题中多重测量的使用。安·尤根7:179-188 [19] Flury B（1997）多元统计第一课程。纽约州施普林格·Zbl 0879.62052号 ·doi:10.1007/978-1-4757-2765-4 [20] Flury B（2012）Flury：来自Flury的数据集，1997年。R包版本0.1-3 [21] Forina M、Armanino C、Castino M、Ubigli M（1986）作为葡萄酒原产地判别方法的多元数据分析。葡萄25:189-201 [22] 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。华盛顿大学统计系技术报告597，西雅图·Zbl 1520.62002号 [23] Fraley C、Raftery AE、Scrucca L（2013）mclust：基于模型的聚类、分类和密度估计的正态混合建模。R包版本4.2·Zbl 1520.62002号 [24] Franczak BC，Browne RP，McNicholas PD（2014）移位不对称拉普拉斯分布的混合。IEEE Trans-Pattern Ana Mach Intell 36（6）：1149-1157 [25] Fred ALN，Jain AK（2005）使用证据积累结合多个聚类。IEEE Trans-Pattern Ana Mach Intell公司27:835-850 [26] Hastie T，Tibshirani R（1996）高斯混合判别分析。J R Stat Soc:序列B 58:155-176·Zbl 0850.62476号 [27] Hennig C（2010）合并高斯混合成分的方法。高级数据分析分类4:3-34·Zbl 1306.62141号 [28] Hjort NL，Claeskens G（2003）《频繁模型平均估计量》。美国统计协会杂志98（464）：879-899·Zbl 1047.62003年 [29] Hoeting JA、Madigan D、Raftery AE、Volinsky CT（1999）《贝叶斯模型平均：教程》。统计科学14（4）：382-401·Zbl 1059.62525号 [30] Hoeting JA，Raftery AE，Madigan D（1999），线性回归中的贝叶斯同时变量和变换选择。科罗拉多州立大学统计系9905技术报告·Zbl 0900.62352号 [31] Hubert L，Arabie P（1985）比较分区。J类2:193-218 [32] Hunter DR，Lange K（2004）MM算法教程。美国统计局58:30-37 [33] Kass RE，Raftery AE（1995），贝叶斯因子。美国统计协会杂志90:773-795·Zbl 0846.62028号 [34] Keribin C（2000）混合模型阶数的一致估计。SankhyáIndian J Stat Ser A 62（1）：49-66·Zbl 1081.62516号 [35] Krivitsky PN、Handcock MS、Raftery AE、Hoff PD（2009）《利用潜在集群随机效应模型表示社交网络中的度分布、集群和同质性》。Soc网络31（3）：204-213 [36] Leroux BG（1992）混合分布的一致估计。安统计1992:1350-1360·Zbl 0763.62015号 [37] Madigan D，Raftery AE（1994）使用Occam窗口的图形模型中模型选择和模型不确定性的说明。美国统计学会杂志89:1535-1546·Zbl 0814.62030号 [38] Mangasarian OL，Street WN，Wolberg WH（1995），通过线性规划进行乳腺癌诊断和预后。运营研究43:570-577·兹比尔0857.90073 [39] MATLAB（2011）。版本7.12.0.635（R2011a）。马萨诸塞州纳蒂克：The MathWorks Inc。 [40] McNicholas PD（2010）使用潜在高斯混合模型的基于模型的分类。《统计计划推断》140（5）：1175-1181·Zbl 1181.62095号 [41] McNicholas PD，Browne RP（2013）《如何为混合型变量找到合适的聚类并应用于社会经济分层的讨论》。J R Stat Soc:序列C 62（3）：352-353 [42] McNicholas PD、Jampani KR、McDaid AF、Murphy TB、Banks L（2014）pgmm:简约高斯混合模型。R包版本1.1 [43] McNicholas PD，Murphy TB（2008）简约高斯混合模型。统计计算18（3）：285-296 [44] McNicholas PD，Murphy TB（2010）通过潜在高斯混合模型对微阵列表达数据进行基于模型的聚类。生物信息学26（21）：2705-2712·doi:10.1093/bioinformatics/btq498 [45] Milligan GW，Cooper MC（1986）关于层次聚类分析外部标准可比性的研究。Multivar Behav Res 21（4）：441-458 [46] Molitor J、Papathomas M、Jerrett M、Richardson S（2010）贝叶斯曲线回归及其在全国儿童健康调查中的应用。生物统计学11（3）：484-498·Zbl 1437.62560号 ·doi:10.1093/biostatistics/kxq013 [47] Murray PM、Browne RB、McNicholas PD（2014）《偏态因子分析仪的混合物》。计算统计数据分析77:326-335·兹比尔1506.62132 [48] 邱伟，乔H（2006）具有特定分离度的随机簇的生成。J类23:315-334·Zbl 1336.62189号 [49] 邱伟，乔H（2012）ClusterGeneration：随机聚类生成（具有指定的分离度）。R包版本1.2.9 [50] R核心团队（2013）R：统计计算的语言和环境。奥地利维也纳R统计计算基金会 [51] Raftery AE（1996）《近似贝叶斯因子和广义线性模型中模型不确定性的解释》。生物特征83（2）：251-266·Zbl 0864.62049号 ·doi:10.1093/biomet/83.2.251 [52] Raftery AE，Madigan D，Hoeting JA（1998），线性回归模型的贝叶斯模型平均。美国统计学会杂志92:179-191·Zbl 0888.62026号 [53] Raftery，AE；Madigan，D。；沃林斯基，康涅狄格州；Bernardo，JM（编辑）；JO Berger（编辑）；Dawid，美联社（编辑）；Smith，AFM（ed.），《生存分析中模型不确定性的考虑提高了预测性能》（讨论），第5期，323-349（1995），牛津 [54] Rand WM（1971）聚类方法评价的客观标准。美国统计协会杂志66:846-850 [55] Schwarz G（1978）估算模型的维数。安统计6:461-464·Zbl 0379.62005年 [56] Steinley D（2004）Hubert-Arabie调整后的兰德指数的性质。心理方法9:386-396 [57] Stephens M（2000）《混合模型中标签切换的研究》。《统计学会期刊》：B系列62:795-809·兹比尔0957.62020 [58] Strehl A，Ghosh J，Cardie C（2002）集群集合——用于组合多个分区的知识重用框架。J Mach学习研究3:583-617·Zbl 1084.68759号 [59] Volinsky CT、Madigan D、Raftery AE、Kronmal RA（1997）比例风险模型中的贝叶斯模型平均：评估中风风险。J R Stat Soc:序列C 46（4）：433-448·Zbl 0903.62093号 [60] Vrbik I，McNicholas PD（2014）基于模型的聚类和分类的简约斜交混合模型。计算统计数据分析71:196-210·Zbl 1471.62202号 [61] Wehrens R、Buydens LM、Fraley C、Raftery AE（2004）通过采样实现基于模型的图像分割和大型数据集聚类。J分类21:231-253·Zbl 1083.62051号 [62] Wolfe JH（1963）《社会领域的对象聚类分析》。加州大学伯克利分校硕士论文 [63] Yeung KY、Fraley C、Murua A、Raftery AE、Ruzzo WL（2001）基因表达数据的基于模型的聚类和数据转换。生物信息学17（10）：977-987 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。