Effects of additional data on Bayesian clustering

مدل های احتمالاتی سلسله مراتبی مانند مدل های مخلوط برای تجزیه خوشه ای استفاده می شود. این مدل ها دارای دو نوع متغیر هستند: قابل مشاهده و پنهان. در تجزیه خوشه، متغیر پنهان تخمین زده می شود و انتظار می رود که اطلاعات اضافی دقت برآورد متغیر پنهان را بهبود بخشد. بسیاری از روش های یادگیری پیشنهادی قادر به استفاده از اطلاعات اضافی هستند. این شامل یادگیری نیمه نظارت و انتقال است. با این حال، از لحاظ آماری، یک مدل احتمالاتی پیچیده که شامل اطلاعات ابتدایی و اضافی می شود، به دلیل داشتن یک پارامتر بالاتر، کمتر دقیق است. مقاله حاضر، تحلیل نظری دقت مدل را ارائه می دهد و مشخص می کند که کدام عامل دارای بیشترین تاثیر بر دقت آن، مزایای به دست آوردن اطلاعات اضافی و معایب افزایش پیچیدگی است.