Regularized K-Means Clustering
يقوم تجميع العناقيد k-means القياسي بتعيين وزن متساوٍ لكل ميزة عند حساب المسافات، لذا فإن المتغيرات الصاخبة أو غير ذات الصلة تخفف من إشارة العنقود. يغير تجميع العناقيد k-means المنتظم هذا عن طريق الحل لكل من تعيينات العناقيد ووزن (أو معامل معاقب) لكل ميزة في نفس الوقت. الميزات التي تساهم قليلاً في فصل العناقيد تتلقى وزنًا منخفضًا أو صفرًا، ويتم تهميشها فعليًا. تتحكم عقوبة التنظيم في مدى عدوانية هذا القمع: عقوبة عالية تقلص المزيد من الميزات إلى الصفر، مما يعطي حلول عنقودية أكثر تناثرًا وقابلية للتفسير، بينما تقترب عقوبة منخفضة من تجميع العناقيد k-means القياسي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/ar/machine-learning/regularized-k-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تجميع K-meansتعلم الآلة↔ compare
- نموذج الخليط الغاوسي المنتظمتعلم الآلة↔ compare