×
哦，桑肯;Seo、Byungtae

合并线性高斯聚类加权模型中的组件。 （英语） Zbl 07695284号

J.分类。 第40页，第1页，第25-51页（2023年）.
概述：聚类加权模型（CWM）是识别响应变量和协变量之间潜在功能关系的有用工具。然而，由于对协变量进行了过多的分布假设，这些模型可能会出现成分分布的错误规定，这也可能会破坏估计的准确性，并使模型结构难以解释。为了解决这个问题，我们考虑具有单变量响应的CWM，并通过将每个集群建模为有限混合来提出一种新的CWM以提高灵活性，同时保持简约性。我们证明，与现有方法相比，该方法可以在数据中提供更有意义的聚类。此外，我们还提出了一种构造此类CWM的过程和一种可行的期望最大化算法来估计模型参数。还提供了数值演示，包括模拟和实际数据分析。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

混合物模型;集群加权模型;基于模型的聚类;机器学习

软件：

第107页;混合工具;水;柔性CWM;ml试验台;消防车;MoEC集群;CRAN（起重机）;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{S.Oh}和\textit{B.Seo}，J.Classif。40，编号1，25--51（2023；Zbl 07695284）
全文： 内政部

参考文献：

[1] 白，X。；姚明，W。；Boyer，JE，混合回归模型的稳健拟合，计算统计与数据分析，56，7，2347-2359（2012）·Zbl 1252.62011年 ·doi:10.1016/j.csda.2012.01.016
[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模式分析和机器智能事务，22，7，719-725（2000）·doi:10.1109/34.865189
[3] Breiman，L.，《随机森林，机器学习》，45，1，5-32（2001）·Zbl 1007.68152号 ·doi:10.1023/A：1010933404324
[4] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别，28,5781-793（1995）·doi:10.1016/0031-3203（94）00125-6
[5] Chamroukhi，F.，使用t分布的稳健专家混合建模，神经网络，79，20-36（2016）·Zbl 1418.62251号 ·doi:10.1016/j.neunet.2016.03.002
[6] Cohen，E.（1980）。不和谐音调感知，斯坦福大学未发表博士论文。
[7] 科尔特斯，C。；Vapnik，V.，支持向量网络，机器学习，20，3，273-297（1995）·Zbl 0831.68098号 ·doi:10.1007/BF00994018
[8] UJ Dang；Punzo，A。；麦克尼古拉斯，PD；Ingrassia，S.公司。；Browne，RP，高斯加权模型的多元响应和简约性，分类杂志，34，1，4-34（2017）·Zbl 1364.62149号 ·doi:10.1007/s00357-017-9221-2
[9] Day，NE，估计正态分布混合的成分，生物统计学，56，3，463-474（1969）·Zbl 0183.48106号 ·doi:10.1093/biomet/56.3.463
[10] 美联社登普斯特；新墨西哥州莱尔德；Rubin，DB，通过em算法从不完整数据中获取最大似然，《皇家统计学会杂志：B辑（方法学）》，39，1，1-22（1977）·Zbl 0364.62022号
[11] Dua，D.和Graff，C.（2017年）。UCI机器学习库。http://archive.ics.uci.edu/ml。
[12] 弗伦德，Y。；Schapire，RE，《在线学习的决策理论概括及其在助推中的应用》，《计算机与系统科学杂志》，55，1，119-139（1997）·兹伯利0880.68103 ·doi:10.1006/jcss.1997.1504
[13] Friedman，J.，《贪婪函数近似：梯度提升机1函数估计2函数空间中的数值优化》，North，1，3，1-10（1999）
[14] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R。；等，《加性逻辑回归：提升的统计观点》（作者进行了讨论和反驳），《统计年鉴》，28，2，337-407（2000）·Zbl 1106.62323号 ·doi:10.1214/aos/1016218223
[15] 加洛赫，议员；托马奇奥，SD；麦克尼古拉斯，PD；Punzo，A.，使用偏态分布的多元聚类加权模型，数据分析和分类进展，16，1，93-124（2022）·Zbl 07538945号 ·文件编号：10.1007/s11634-021-00480-5
[16] Gershenfeld，N.，非线性推理和聚类加权建模，《纽约科学院年鉴》，808，1，18-24（1997）·doi:10.1111/j.1749-6632.1997.tb51651.x
[17] 古普塔，S。；Chintagunta，PK，关于在logit混合模型中使用人口统计变量来确定细分市场成员，市场营销研究杂志，31，1128-136（1994）·doi:10.1177/002224379403100111
[18] Hennig，C.，聚类线性回归模型的可识别性，分类杂志，17，2，273-296（2000）·Zbl 1017.62058号 ·doi:10.1007/s0035700000022
[19] Hennig，C.，合并高斯混合成分的方法，数据分析和分类进展，4，1，3-34（2010）·Zbl 1306.62141号 ·doi:10.1007/s11634-010-0058-3
[20] Hennig，C.，&Imports，M.（2015）。包“fpc”。起重机。
[21] 休伯特，L。；Arabie，P.，比较分区，分类杂志，2，1，193-218（1985）·doi:10.1007/BF01908075
[22] Ingrassia，S.公司。；南卡罗来纳州米诺蒂；Punzo，A.，通过线性聚类加权模型进行基于模型的聚类，计算统计与数据分析，71，159-182（2014）·Zbl 1471.62095号 ·doi:10.1016/j.csda.2013.02.012
[23] Ingrassia，S.公司。；南卡罗来纳州米诺蒂；Vittadini，G.，通过椭圆分布的聚类加权方法进行局部统计建模，《分类杂志》，29，3，363-401（2012）·Zbl 1360.62335号 ·文件编号：10.1007/s00357-012-9114-3
[24] Ingrassia，S.公司。；Punzo，A。；维塔迪尼，G。；Minotti，SC，广义线性混合聚类加权模型，分类杂志，32，2，327-355（2015）·Zbl 1335.62100号 ·doi:10.1007/s00357-015-9177-z
[25] 雅各布斯，RA；密歇根州约旦；Nowlan，SJ；Hinton，GE，自适应本地专家混合，神经计算，3，1，79-87（1991）·doi:10.1162/neco.1991.3.1.79
[26] 密歇根州约旦；雅各布斯，RA，专家和em算法的层次混合，神经计算，6，2，181-214（1994）·doi:10.1162/neco.1996.2.181
[27] 华盛顿州镰仓；韦德尔，M。；Agrawal，J.，用于联合分析的伴随变量潜在类模型，《国际市场营销研究杂志》，11，5，451-464（1994）·doi:10.1016/0167-8116（94）00004-2
[28] Kim，D。；Seo，B.，在存在多个局部极大值的情况下评估高斯混合模型中的成分数量，多元分析杂志，125，100-120（2014）·Zbl 1280.62028号 ·doi:10.1016/j.jmva.2013.11.018
[29] LeDell，E.、Gill，N.、Aiello，S.、Fu，A.、Candel，A.，Click，C.、Kraljevic，T.、Nykodym，T.，Aboyoun，P.、Kurka，M.等（2018）。包装“h2o”。起重机。
[30] Leisch，F.和Dimitriadou，E.（2009年）。“mlbench”包。起重机。
[31] MacQueen，J.等人（1967年）。多元观测值分类和分析的一些方法。《第五届伯克利数学统计与概率研讨会论文集》，美国加利福尼亚州奥克兰，第1卷，第281-297页·兹比尔0214.46201
[32] Mazza，A。；Punzo，A。；Ingrassia，S.，flexcwm:集群加权模型的灵活框架，《统计软件杂志》，86，2，1-30（2018）·doi:10.18637/jss.v086.i02
[33] McLachlan，G.J.和Peel，D.（2004年）。有限混合模型，Wiley&Sons·Zbl 0963.62061号
[34] McNicholas，PD，基于模型的聚类，分类杂志，33，3，331-373（2016）·Zbl 1364.62155号 ·doi:10.1007/s00357-016-9211-9
[35] Meyer，D.，Dimitriadou，E.，Hornik，K.，Weingessel，A.，Leich，F.，Chang，C.C.，Lin，C.C.和Meyer的M.D.（2019年）。包“e1071”。起重机。
[36] 墨菲（Murphy，K.）和墨菲（墨菲，T.B.）（2022年）。“MoEClust”包。起重机。
[37] 墨菲，K。；Murphy，TB，带协变量和噪声分量的高斯简约聚类模型，数据分析和分类进展，14，2，293-325（2020）·兹比尔1474.62240 ·doi:10.1007/s11634-019-00373-8
[38] WJ纳什；卖方，TL；Talbot，SR；卡通，AJ；Ford，WB，塔斯马尼亚州鲍鱼（鲍鱼属）的种群生物学。i.黑唇鲍（h.rubra），产于北海岸和巴斯海峡岛屿。海洋渔业部，技术报告，48，411（1994）
[39] Punzo，A。；McNicholas，PD，通过污染高斯聚类加权模型进行回归分析中的稳健聚类，分类杂志，34，2，249-293（2017）·Zbl 1373.62316号 ·数字对象标识代码：10.1007/s00357-017-9234-x
[40] Quandt，RE，估计转换回归的新方法，美国统计协会杂志，67338306-310（1972）·Zbl 0237.62047号 ·doi:10.1080/01621459.1972.10482378
[41] Schwarz，G.，估算模型的维度，统计年鉴，6，2，461-464（1978）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[42] Seo，B。；Kim，D.，正态混合模型中的根选择，计算统计与数据分析，56，8，2454-2470（2012）·Zbl 1252.62013年 ·doi:10.1016/j.csda.2012.01.022
[43] Song，W。；姚，W。；Xing，Y.，拉普拉斯分布稳健混合回归模型拟合，计算统计与数据分析，71128-137（2014）·Zbl 1471.62189号 ·doi:10.1016/j.csda.2013.06.022
[44] 维恩，西北部；埃普斯，J。；Bailey，J.，《聚类比较的信息论度量：变量、属性、归一化和机会修正》，《机器学习研究杂志》，第11期，第2837-2854页（2010年）·Zbl 1242.62062号
[45] Wolfe，J.H.（1963年）。社会领域的对象聚类分析，博士论文，加州大学。
[46] Xu，L.、Jordan，M.和Hinton，G.E.（1994年）。混合专家的替代模型，神经信息处理系统的进展，7。
[47] 姚，W。；魏毅。；Yu，C.，使用t分布的稳健混合回归，计算统计与数据分析，71，116-127（2014）·Zbl 1471.62227号 ·doi:10.1016/j.csda.2013.07.019
[48] Young，D.、Benaglia，T.、Chauveau，D.、Hunter，D.、Elmore，R.、Hettmansperger，T.，Thomas，H.、Xuan，f.和Young，M.D.（2020年）。打包“mixtools”。起重机。
[49] 扎雷，S。；Mohammadpour，A。；Ingrassia，S.公司。；Punzo，A.，《关于聚类加权模型中亚高斯α稳定分布的使用》，伊朗科学技术杂志，学报A:Science，43，3，1059-1069（2019）·doi:10.1007/s40995-018-0526-8
[50] 张斌（2003）。回归聚类。第三届IEEE数据挖掘国际会议，IEEE，第451-458页。
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。