クラスタリングのための混合モデルの評価：推奨と注意点。

本記事は、混合モデルクラスタリング技術（潜在クラスクラスタ分析、潜在プロフィール分析、モデルベースのクラスタリング、確率的クラスタリング、ベイズ分類、教師なし学習、有限混合モデルとも呼ばれる）のいくつかの特性についての大規模な調査を提供する（Vermunt & Magdison, 2002を参照）。多変量正規分布に焦点を当て、9つの異なる共分散行列の分解（すなわちクラス構造）が調査される。現在の文献との関連を提供するために、3つの詳細なモンテカルロ研究でK平均クラスタリングと比較が行われる。結果は、共分散構造とクラスタ数が既知の場合、混合モデルクラスタリング技術が最も良好なパフォーマンスを示したことが、応用研究者にとっての含意を示唆している。しかし、クラスタの形状と数に関する情報が不明になると、K平均クラスタリングと混合モデルクラスタリングの両方で性能が低下することが観察された。