In this paper we propose a naive Ba

In this paper we propose a naive Bayes model for unsupervised data clustering, where
the class variable is hidden. The feature variables can be discrete or continuous, as the
conditional distributions are represented as mixtures of truncated exponentials (MTEs).
The number of classes is determined using the data augmentation algorithm. The proposed
model is compared with the conditional Gaussian model for some real world and synthetic
databases.

Hasil (Bahasa Indonesia) 1:

Dalam makalah ini kami mengusulkan model Bayes naif untuk clustering data tanpa pengawasan, manavariabel kelas tersembunyi. Fitur variabel dapat diskrit atau terus-menerus, sebagaidistribusi bersyarat direpresentasikan sebagai campuran terpotong exponentials (MTEs).Jumlah kelas ditentukan menggunakan algoritma pembesaran data. Usulan regu-model ini dibandingkan dengan model Gaussian bersyarat untuk beberapa nyata dan sintetisdatabase.

Hasil (Bahasa Indonesia) 2:

Dalam makalah ini kami mengusulkan model Bayes naif untuk clustering data yang tanpa pengawasan, di mana
variabel kelas tersembunyi. Variabel fitur dapat diskrit atau kontinu, sebagai
distribusi bersyarat direpresentasikan sebagai campuran eksponensial terpotong (MTES).
Jumlah kelas ditentukan dengan menggunakan algoritma data yang augmentasi. Usulan
model dibandingkan dengan model Gaussian bersyarat untuk beberapa dunia nyata dan sintetis
database.