×
莫妮娅·拉纳利;罗伯托·罗奇

概述基于URV模型的集群混合类型数据方法。 （英语） 兹比尔1436.62282

Greselin，Francesca（编辑）等人，《复杂数据的统计学习》。2017年9月13日至15日，意大利米兰，意大利统计学会分类和数据分析小组第十一届科学会议（CLADAG 2017）的论文选集。查姆：斯普林格。研究分类数据分析。知识。器官。，45-53 (2019).
摘要：在本文中，我们概述了基于底层响应变量（URV）模型的聚类方法，并选择性地同时减少有序变量和连续变量。我们总结和比较了它的主要特点，并讨论了一些关键问题。通过一个实际数据的应用示例，对聚类性能进行了比较和讨论。
关于整个系列，请参见[Zbl 1427.62004年].

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
第60页 统计学在工程和工业中的应用；控制图

关键词：

城市轨道交通;有限混合模型;序数数据;复合似然;基本响应变量

软件：

潜在黄金
PDF格式BibTeX公司 XML格式引用
\textit{M.Ranalli}和\textit{R.Rocci}，in：复杂数据的统计学习。2017年9月13日至15日在意大利米兰举行的意大利统计学会分类和数据分析小组第十一届科学会议（CLADAG 2017）论文选。查姆：斯普林格。45-53（2019年；Zbl 1436.62282）
全文： 内政部

参考文献：

[1] Bock，D.，Moustaki，I.：一般框架下的项目反应理论。摘自：《心理测量学统计手册》。Elsevier，阿姆斯特丹（2007）·Zbl 1460.62174号
[2] Bouveyron，C.，Brunet，C.：基于模型的高维数据聚类：综述。计算。统计数据分析。71, 52-78 (2012) ·Zbl 1471.62032号 ·doi:10.1016/j.csda.2012.12.008
[3] Browne，R.P.，McNicholas，P.D.：基于模型的混合类型数据聚类、分类和判别分析。J.统计计划。推断142（11），2976-2984（2012）·Zbl 1335.62093号 ·doi:10.1016/j.jspi.2012.05.001
[4] Cagnone，S.，Viroli，C.：多元二进制数据的因子混合分析模型。统计模型。12, 257-277 (2012) ·Zbl 07257879号 ·doi:10.177/1471082X1101200303
[5] Cai，J.H.，Song，X.Y.，Lam，K.H.，Ip，E.H.S.：混合模式和异质数据的广义潜在变量模型的混合。计算。统计数据分析。55(11), 2889-2907 (2011) ·Zbl 1218.62012号 ·doi:10.1016/j.csda.2011.05.011
[6] Celeux，G.，Govaert，G.：高斯简约聚类模型。模式识别。28(5), 781-793 (1995) ·doi:10.1016/0031-3203（94）00125-6
[7] Dean，N.，Raftery，A.E.：潜在类分析变量选择。Ann.Inst.Stat.数学。62(1), 11-35 (2010) ·Zbl 1422.62085号 ·doi:10.1007/s10463-009-0258-9
[8] Everitt，B.：混合模式数据聚类的有限混合模型。Stat.遗嘱认证。莱特。6(5), 305-309 (1988) ·doi:10.1016/0167-7152（88）90004-1
[9] Gollini，I.，Murphy，T.：分类数据基于模型聚类的潜在特征分析器的混合。统计计算。24(4), 569-588 (2014) ·Zbl 1325.62122号 ·doi:10.1007/s11222-013-9389-1
[10] Hunt，L.，Jorgensen，M.：聚类混合数据。威利公司（Wiley Interdiscip）。最小已知版本数据。发现。1(4), 352-361 (2011) ·doi:10.1002/widm.33
[11] Lawrence，C.，Krzanowski，W.：混合模式数据的混合分离。统计计算。6(1), 85-92 (1996) ·doi:10.1007/BF00161577
[12] Lubke，G.，Neale，M.：用分类结果区分潜在类和连续因子：因子混合模型参数的类不变性。多变量。行为。第43（4）号决议，592-620（2008）·doi:10.1080/00273170802490673
[13] Marbac，M.，Biernacki，C.，Vandewalle，V.：条件依赖模式对分类数据聚类的有限混合模型（2014，预印本）。arXiv:1402.5103·Zbl 1414.62253号
[14] Mardia，K.V.，Kent，J.T.，Hughes，G.，Taylor，C.C.：使用闭合指数族的复合可能性进行最大似然估计。Biometrika 96（4），975-982（2009）·Zbl 1178.62059号 ·doi:10.1093/biomet/asp056
[15] McLachlan，G.J.，Rathnayake，S.I.：标准p-维欧几里德数据的混合模型。摘自：Hennig，C.、Meila，M.、Murtagh，F.、Rocci，R.（编辑）《聚类分析手册》，第145-172页。CRC出版社，博卡拉顿（2016）·Zbl 1396.62148号
[16] McLachlan，G.J.，Bean，R.W.，Ben-Tovim-Jones，L.：扩展混合因子分析模型以纳入多元t分布。计算。统计数据分析。第51页，5327-5338页（2007年）·Zbl 1445.62053号 ·doi:10.1016/j.csda.2006.09.015
[17] McNicholas，P.，Murphy，T.：简约高斯混合模型。统计计算。18(3), 285-296 (2008) ·doi:10.1007/s11222-008-9056-0
[18] Morlini，I.：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。经典。6(1), 5-28 (2012) ·Zbl 1284.62384号 ·doi:10.1007/s11634-011-0101-z
[19] Muthén，B.：具有二分法、有序分类和连续潜在变量指标的一般结构方程模型。《心理测量学》49（1），115-132（1984）·doi:10.1007/BF02294210
[20] Ranalli，M.，Rocci，R.：有序数据的混合模型：成对似然方法。统计计算。26(1), 529-547 (2016) ·Zbl 1342.62111号 ·doi:10.1007/s11222-014-9543-4
[21] Ranalli，M.，Rocci，R.：有序数据混合模型的成对似然估计中的标准和新型模型选择标准。收录：Wilhelm，A.F.X.，Kestler，H.A.（编辑）《大型复杂数据分析》。分类、数据分析和知识组织研究，第53-68页。查姆施普林格（2016）·Zbl 1342.62111号
[22] Ranalli，M.，Rocci，R.：通过复合似然法建立混合型数据的混合模型。计算。统计数据分析。110（C），87-102（2017）。https://doi.org/10.1016/j.csda.2016.12.01 ·Zbl 1466.62181号 ·doi:10.1016/j.csda.2016.12.016
[23] Ranalli，M.，Rocci，R.：一种基于模型的方法，用于同步聚类和有序数据的降维。《心理测量学》（2017）。https://doi.org/10.1007/s11336-017-9578-5 ·兹比尔1402.62142 ·doi:10.1007/s11336-017-9578-5
[24] Tipping，M.E.：高维二进制数据的概率可视化。摘自：《1998年神经信息处理系统进展会议论文集II》，第592-598页。麻省理工学院出版社（1999）
[25] Varin，C.，Reid，N.，Firth，D.：复合似然法概述。统计正弦。21(1), 1-41 (2011) ·Zbl 05849508号
[26] Vermunt，J.K.，Magidson，J.：潜在黄金4.0用户指南。统计创新公司，贝尔蒙特（2005）
[27] White，A.，Wyse，J.，Murphy，T.B.：使用折叠吉布斯采样器进行潜在类别分析的贝叶斯变量选择（2014年，预印本）。arXiv:1402.6928号·Zbl 1342.62112号 ·doi:10.1007/s11222-014-9542-5
[28] A.威尔斯·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。