エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
HADで混合分布モデル・潜在クラス分析 | Sunny side up!
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
HADで混合分布モデル・潜在クラス分析 | Sunny side up!
HAD13から,混合分布モデルや潜在クラス分析が実行できるようになりました。 これらを総称して,潜在変... HAD13から,混合分布モデルや潜在クラス分析が実行できるようになりました。 これらを総称して,潜在変数モデル,あるいは潜在構造分析と呼んだりします。変数を使って,潜在的な母集団を見つけ出す分析手法です。 混合分布モデルは,クラスタ分析に似た方法で,調査回答者を変数に基づいてグループ分けをする,という点では同じです。ただ,クラスタ分析が変数の「距離」に基づいて回答者を分類しているのに対して,混合分布モデルは確率分布を仮定することで,尤度を用いて回答者を分類します。 尤度を使ってクラスタを推定するメリットは,データに最も合ったモデルを選択することができる,という点にあると思います。クラスタ分析などはデンドログラムなどを使って視覚的にクラスタ数を判断しますが,混合分布モデルでは,AICなどの情報量規準を使ってクラスタ数を判断することができるのです。 もう一つのメリットは,各回答者がどのクラスタ