Phân tích lớp tiềm ẩn trên thực tế là một mô hình hỗn hợp hữu hạn (xem tại đây ). Sự khác biệt chính giữa FMM và các thuật toán phân cụm khác là FMM cung cấp cho bạn cách tiếp cận "phân cụm dựa trên mô hình" để tạo ra các cụm sử dụng mô hình xác suất mô tả phân phối dữ liệu của bạn. Vì vậy, thay vì tìm các cụm với một số thước đo khoảng cách được chọn tùy ý, bạn sử dụng mô hình mô tả phân phối dữ liệu của mình và dựa trên mô hình này, bạn đánh giá xác suất rằng các trường hợp nhất định là thành viên của các lớp tiềm ẩn nhất định. Vì vậy, bạn có thể nói rằng đó là cách tiếp cận từ trên xuống (bạn bắt đầu bằng việc mô tả phân phối dữ liệu của mình) trong khi các thuật toán phân cụm khác là cách tiếp cận từ dưới lên (bạn tìm thấy sự tương đồng giữa các trường hợp).
Bởi vì bạn sử dụng một mô hình thống kê để lựa chọn mô hình dữ liệu của bạn và đánh giá mức độ phù hợp là có thể - trái với phân cụm. Ngoài ra, nếu bạn cho rằng có một số quy trình hoặc "cấu trúc tiềm ẩn" làm cơ sở cho cấu trúc dữ liệu của bạn thì FMM dường như là một lựa chọn thích hợp vì chúng cho phép bạn mô hình hóa cấu trúc tiềm ẩn đằng sau dữ liệu của bạn (thay vì chỉ tìm kiếm sự tương đồng).
Sự khác biệt khác là FMM linh hoạt hơn so với phân cụm. Các thuật toán phân cụm chỉ thực hiện phân cụm, trong khi có các mô hình dựa trên FMM và LCA
- cho phép bạn thực hiện xác nhận, phân tích giữa các nhóm,
- kết hợp các mô hình Lý thuyết đáp ứng vật phẩm (và các mô hình khác) với LCA,
- bao gồm các đồng biến để dự đoán thành viên lớp tiềm ẩn của cá nhân,
- và / hoặc thậm chí các mô hình hồi quy trong cụm trong hồi quy lớp tiềm ẩn ,
- cho phép bạn mô hình hóa các thay đổi theo thời gian trong cấu trúc dữ liệu của bạn, v.v.
Để biết thêm ví dụ, xem:
Hagenaars JA & McCutcheon, AL (2009). Phân tích lớp tiềm ẩn ứng dụng. Nhà xuất bản Đại học Cambridge.
và các tài liệu của flexmix và poLCA gói vào R, bao gồm các giấy tờ sau đây:
Linzer, DA, & Lewis, JB (2011). poLCA: Một gói R để phân tích lớp tiềm ẩn biến đa biến. Tạp chí phần mềm thống kê, 42 (10), 1-29.
Leisch, F. (2004). Flexmix: Một khung chung cho các mô hình hỗn hợp hữu hạn và hồi quy kính tiềm ẩn trong R. Tạp chí Phần mềm Thống kê, 11 (8), 1-18.
Grün, B., & Leisch, F. (2008). FlexMix phiên bản 2: hỗn hợp hữu hạn với các biến đồng thời và các tham số khác nhau và không đổi . Tạp chí phần mềm thống kê, 28 (4), 1-35.
inferences
trong bối cảnh này và tại sao chỉ có sự khác biệt trong suy luận khiến bạn quan tâm?