Gizli Sınıf Analizi aslında bir Sonlu Karışım Modelidir ( buraya bakın ). FMM ve diğer kümeleme algoritmaları arasındaki temel fark, FMM’lerin, verilerinizin dağılımını açıklayan olasılıksal bir model kullanarak kümeleri türeten bir "model tabanlı kümeleme" yaklaşımı sunmasıdır. Bu nedenle, rastgele seçilmiş bir mesafe ölçüsüne sahip kümeleri bulmak yerine, verilerinizin dağılımını tanımlayan bir model kullanırsınız ve bu modele dayanarak, belirli vakaların belirli gizli sınıfların üyeleri olma ihtimalini değerlendirirsiniz. Bu yüzden, yukarıdan aşağıya bir yaklaşım olduğunu söyleyebilirsiniz (verilerinizin dağılımını tanımlamakla başlarsınız), diğer kümeleme algoritmaları ise aşağıdan yukarıya yaklaşımlardır (vakalar arasında benzerlikler bulursunuz).
Çünkü, veri modeli seçiminiz için istatistiksel bir model kullanıyorsunuz ve kümelenmenin aksine, uygunluk derecesini değerlendirmek mümkün. Ayrıca, verilerinizin yapısının altında yatan bir işlem veya “gizli yapı” olduğunu varsayarsanız, FMM'ler gizli bir yapıyı verilerinizin arkasına modellemenizi sağladığından (sadece o zaman sadece benzerlikleri aramanızı sağlar) uygun bir seçim gibi görünmektedir.
Diğer bir fark, FMM'lerin kümelemeden daha esnek olmasıdır. Kümeleme algoritmaları sadece kümeleme yapar, FMM ve LCA tabanlı modeller ise
- doğrulayıcı, gruplar arası analiz yapmanıza olanak sağlar,
- Madde Cevap Teorisi (ve diğer) modellerini LCA ile birleştirmek,
- bireylerin gizli sınıf üyeliğini tahmin etmek için değişkenleri dahil etmek,
- ve / veya gizli sınıf regresyonunda küme içi regresyon modellerini ,
- Verilerinizin yapısı, zaman içindeki değişiklikleri modellemenizi sağlar
Daha fazla örnek için bakınız:
Hagenaars JA ve McCutcheon, AL (2009). Uygulamalı Latent Sınıf Analizi. Cambridge Üniversitesi Basını.
ve aşağıdaki belgeler dahil, R'deki flexmix ve poLCA paketlerinin belgelendirilmesi :
Linzer, DA ve Lewis, JB (2011). poLCA: Çok değişkenli latent sınıf analizi için bir R paketi. İstatistiksel Yazılım Dergisi, 42 (10), 1-29.
Leisch, F. (2004). Flexmix: R. , İstatistiksel Yazılım Dergisi, 11 (8), 1-18'de sonlu karışım modelleri ve gizli cam regresyonu için genel bir çerçeve .
Grün, B. ve Leisch, F. (2008). FlexMix sürüm 2: eşzamanlı değişkenlerle ve değişken ve sabit parametrelerle sonlu karışımlar . İstatistiksel Yazılım Dergisi, 28 (4), 1-35.
inferences
Bu bağlamda ne diyorsunuz ve neden sadece çıkarımdaki farklılıklar ilginizi çekiyor?