文件名称：使用中心变量的聚类实例-特效半透流光shader
文件大小：11.69MB
文件格式：PDF
更新时间：2024-07-30 04:27:37
大数据 数据挖掘 数据分析 SAS JMP
图 22.17 使用中心变量的聚类实例 估计过程的细节 由于估计受到离群值的制约，因此 JMP 会使用比较稳健的方法来估计正态参数的。 JMP 将 会通过 Huberized 正态分布的混合的最大似然计算估计值，其中 Huberized 正态分布混合是 一种改进的正态分布，经改进后，它对离群值抗性比正态分布好一些。 Huberized 高斯分布具有 pdf 。 因此，在界限内，当 k 变为任意大时， 也趋于正态 PDF。而当 时， 会趋 于指数 (Laplace) 分布。 另外要设定正则化参数 k，以便 P(Normal(x) < k) = HuberCoverage，其中 Normal(x) 表示多元 正态变量。 HuberCoverage 是自定义字段（默认值为 0.90）。 Φk x( ) Φk x( ) ρ x( )–( )exp ck ----------------------------= ρ x( ) x 2 2 ----- if x k≤ kx k 2 2 -----– if x k> = ck 2π Φ k( ) Φ k–( )–[ ] 2 k 2 – 2⁄( )exp k -----------------------------+= Φk x( ) k 0→ Φk x( )