首页> 外文OA文献 >Multivariate graphical methods provide an insightful way to formulate explanatory hypotheses from limited categorical data

【2h】

Multivariate graphical methods provide an insightful way to formulate explanatory hypotheses from limited categorical data

机译：多变量图形方法提供了从有限的分类数据制定解释性假设的有着洞察力的方式

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Peter H. Van Ness; Terrence E. Murphy; Katy L.B. Araujo; Margaret A. Pisani;
展开▼
作者单位

展开▼
年度 2012
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Multivariate graphical methods provide an insightful way to formulate explanatory hypotheses from limited categorical data [J] . VanNessP.H., MurphyT.E., AraujoK.L.B., Journal of Clinical Epidemiology . 2012,第2期

机译：多元图形方法提供了一种有见地的方法，可以从有限的分类数据中制定解释性假设
2. Fuzzy Clustering Methods for Categorical Multivariate Data Based on q-Divergence [J] . Tadafumi Kondo, Yuchi Kanzawa Journal of Advanced Computatioanl Intelligence and Intelligent Informatics . 2018,第4a131期

机译：基于Q分歧的分类多变量数据模糊聚类方法
3. Bayesian method for learning graphical models with incompletely categorical data [J] . Zhi Geng, Yang-Bo He, Xue-Li Wang, Computational statistics & data analysis . 2003,第1a2期

机译：用不完全分类数据学习图形模型的贝叶斯方法
4. On Possibilistic Clustering Methods Based on Shannon/Tsallis-Entropy for Spherical Data and Categorical Multivariate Data [C] . Yuchi Kanzawa International conference on modeling decisions for artificial intelligence . 2015

机译：基于Shannon / Tsallis熵的球面数据和分类多元数据的可能性聚类方法
5. Bayesian Methods for Graphical Models with Limited Data [D] . Li, Zehang. 2018

机译：具有有限数据的图形模型的贝叶斯方法
6. Multivariate Graphical Methods Provide an Insightful Way to Formulate Explanatory Hypotheses from Limited Categorical Data [O] . Peter H. Van Ness, Terrence E. Murphy, Katy L.B. Araujo, -1

机译：多变量图形方法提供了从有限的分类数据制定解释性假设的有着洞察力的方式
7. An analysis and synthesis of multiple correspondence analysis, optimal scaling, dual scaling, homogeneity analysis and other methods for quantifying categorical multivariate data [O] . Michel Tenenhaus, Centre D’enseignement Supi~rieur Des Affaires, Forrest W. Young 1985

机译：分析和综合多对应分析，最佳缩放，双缩放，同质性分析和其他量化分类多变量数据的方法

Multivariate graphical methods provide an insightful way to formulate explanatory hypotheses from limited categorical data

著录项

引文网络

相似文献

相关主题

期刊订阅