Hierarchical relationships among manifest variables can be detected by analyzing their correlation matrix. To pinpoint the hierarchy underlying a multidimensional phenomenon, the Ultrametric Correlation Model (UCM) has been proposed with the aim of reconstructing a nonnegative correlation matrix via an ultrametric one. In this paper, we illustrate the mathematical advantages that a simple structure induced by the ultrametric property entails for the estimation of the UCM parameters in a maximum likelihood framework.
A parsimonious parameterization of a nonnegative correlation matrix / Cavicchia, Carlo; Vichi, Maurizio; Zaccaria, Giorgia. - (2021), pp. 21-26. (Intervento presentato al convegno 5th international workshop on models and learning for clustering and classification, MBC2 2020 tenutosi a Catania).
A parsimonious parameterization of a nonnegative correlation matrix
Carlo Cavicchia;Maurizio Vichi;Giorgia Zaccaria
2021
Abstract
Hierarchical relationships among manifest variables can be detected by analyzing their correlation matrix. To pinpoint the hierarchy underlying a multidimensional phenomenon, the Ultrametric Correlation Model (UCM) has been proposed with the aim of reconstructing a nonnegative correlation matrix via an ultrametric one. In this paper, we illustrate the mathematical advantages that a simple structure induced by the ultrametric property entails for the estimation of the UCM parameters in a maximum likelihood framework.| File | Dimensione | Formato | |
|---|---|---|---|
|
Cavicchia_parsimonious-parameterization_indice_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
77.57 kB
Formato
Adobe PDF
|
77.57 kB | Adobe PDF | |
|
Cavicchia_parsimonious-parameterization_copertina_frontespizio_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
77.9 kB
Formato
Adobe PDF
|
77.9 kB | Adobe PDF | |
|
Cavicchia_parsimonious-parameterization_quarta_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
95.47 kB
Formato
Adobe PDF
|
95.47 kB | Adobe PDF | |
|
Cavicchia_parsimonious-parameterization_2021.pdf
accesso aperto
Tipologia:
Documento in Post-print (versione successiva alla peer review e accettata per la pubblicazione)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
108.87 kB
Formato
Adobe PDF
|
108.87 kB | Adobe PDF |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
