প্রচ্ছন্ন শ্রেণীর বিশ্লেষণ আসলে একটি সীমাবদ্ধ মিশ্রণ মডেল ( এখানে দেখুন )। এফএমএম এবং অন্যান্য ক্লাস্টারিং অ্যালগোরিদমগুলির মধ্যে প্রধান পার্থক্য হ'ল এফএমএমের প্রস্তাব দেয় এমন একটি "মডেল-ভিত্তিক ক্লাস্টারিং" পদ্ধতির যা আপনার সম্ভাব্য মডেল ব্যবহার করে ক্লাস্টারগুলি উত্স করে যা আপনার ডেটা বন্টনকে বর্ণনা করে। সুতরাং কিছু নির্বিচারে নির্বাচিত দূরত্ব পরিমাপের সাথে ক্লাস্টারগুলি সন্ধান করার পরিবর্তে, আপনি এমন একটি মডেল ব্যবহার করেন যা আপনার ডেটা বন্টনকে বর্ণনা করে এবং এই মডেলটির উপর ভিত্তি করে আপনি সম্ভাবনাগুলি মূল্যায়ন করেন যে কয়েকটি ক্ষেত্রে কিছু প্রচ্ছন্ন শ্রেণীর সদস্য। সুতরাং আপনি বলতে পারেন যে এটি একটি শীর্ষ-ডাউন পদ্ধতির (আপনি আপনার ডেটা বন্টন বর্ণনা দিয়ে শুরু করেছেন) অন্য ক্লাস্টারিং অ্যালগোরিদমগুলি বরং নীচের দিকে আপ (আপনি কেসের মধ্যে মিল খুঁজে পেয়েছেন)।
যেহেতু আপনি আপনার ডেটা মডেল নির্বাচনের জন্য একটি পরিসংখ্যানের মডেল ব্যবহার করেন এবং ফিটের ভালতার মূল্যায়ন করা সম্ভব - ক্লাস্টারিংয়ের বিপরীতে। এছাড়াও, যদি আপনি ধরে নেন যে এমন কোনও প্রক্রিয়া বা "সুপ্ত কাঠামো" রয়েছে যা আপনার ডেটার কাঠামোর নীচে অন্তর্ভুক্ত থাকে তবে এফএমএম এর উপযুক্ত পছন্দ বলে মনে হয় যেহেতু তারা আপনাকে আপনার ডেটার পিছনের সুপ্ত কাঠামোর মডেল করতে সক্ষম করে (বরং কেবলমাত্র সাদৃশ্যগুলির সন্ধানে)।
অন্যান্য পার্থক্য হ'ল এফএমএমগুলি ক্লাস্টারিংয়ের চেয়ে আরও নমনীয়। ক্লাস্টারিং অ্যালগরিদমগুলি কেবল ক্লাস্টারিং করে, যখন এফএমএম- এবং এলসিএ-ভিত্তিক মডেলগুলি রয়েছে
- দলগুলির মধ্যে বিশ্লেষণ, নিশ্চিতকরণযোগ্য করতে আপনাকে সক্ষম করুন
- আইটিএম রেসপন্স থিওরি (এবং অন্যান্য) মডেলগুলি এলসিএর সাথে একত্রিত করুন,
- স্বতন্ত্র শ্রেণীর সদস্যতার পূর্বাভাস দেওয়ার জন্য কোভেরিয়েটগুলি অন্তর্ভুক্ত করুন,
- এবং / অথবা এমনকি সুপ্ত-শ্রেণীর রিগ্রেশন মধ্যে ক্লাস্টার রিগ্রেশন মডেল ,
- আপনার ডেটা কাঠামো ইত্যাদির কাঠামোর সাথে সাথে আপনাকে সময়ের পরিবর্তনের মডেল করতে সক্ষম করে
আরও উদাহরণের জন্য দেখুন:
হাজেনার্স জেএ এবং ম্যাককুটিয়ন, আ.লীগ (২০০৯)। ফলিত প্রচ্ছন্ন শ্রেণীর বিশ্লেষণ। ক্যামব্রিজ ইউনিভার্সিটি প্রেস.
এবং আর এর মধ্যে ফ্লেক্সমিক্স এবং পোলসিএসিএ প্যাকেজগুলির ডকুমেন্টেশন , নিম্নলিখিত কাগজপত্র সহ:
লিনজার, ডিএ, এবং লুইস, জেবি (২০১১)। পোলসিএএ: বহুভুজ পরিবর্তনশীল সুপ্ত শ্রেণীর বিশ্লেষণের জন্য একটি আর প্যাকেজ। পরিসংখ্যান সফটওয়্যার জার্নাল, 42 (10), 1-29।
লিশ, এফ (2004)। ফ্লেক্সিমিক্স: স্ট্যাটিস্টিকাল সফটওয়্যার, জার্নাল জার্নালের 11 (8), 1-18 এ সীমাবদ্ধ মিশ্রণ মডেল এবং সুপ্ত কাঁচের রিগ্রেশনের সাধারণ কাঠামো ।
গ্রান, বি।, এবং লিশ, এফ (২০০৮)। ফ্লেক্সমিক্স সংস্করণ 2: সমবর্তী ভেরিয়েবল এবং বিভিন্ন এবং ধ্রুবক পরামিতিগুলির সাথে সসীম মিশ্রণ । পরিসংখ্যান সফটওয়্যার জার্নাল, 28 (4), 1-35।
inferences
আপনি এই প্রসঙ্গে কী ডাকবেন এবং কেন কেবলমাত্র আগ্রহের ক্ষেত্রেই ভিন্নতা?