结合相关变量识别的混合类型数据贝叶斯聚类

本文提出了一种贝叶斯非参数模型，用于对包含连续变量、有序变量和名义变量的数据集进行聚类。基于多元 probit 和多项 probit 模型，利用潜变量框架对有序变量和名义变量进行处理。将连续变量与潜在连续变量相结合，使我们能够通过 Dirichlet 过程高斯混合模型对一组混合类型变量进行联合建模。在成分均值上使用分层收缩先验不仅提高了聚类性能，还提供了一种识别相关聚类变量的直观方法。在模拟数据和真实数据上的数值结果证明了该模型的适用性。