Semi-supervised K-means Clustering
تقوم K-means القياسية بتجميع النقاط بناءً على التقارب الهندسي البحت، والذي يمكن أن ينتج عناقيد لا تتطابق مع معرفة المجال. تضيف K-means شبه الخاضعة للإشراف لمسة خفيفة من التوجيه البشري: عدد قليل من عضويات المجموعات المعروفة (البذور) أو قواعد مثل 'يجب أن تكون هاتان النقطتان في نفس العنقود' أو 'لا يمكن لهاتين النقطتين أن تكونا'. يحترم الخوارزمية هذه التلميحات أثناء التعيين، ويوجه العناقيد نحو هياكل متماسكة هندسيًا وذات معنى دلاليًا. النتيجة غالبًا ما تكون متوافقة بشكل أفضل بكثير مع الفئات الحقيقية من K-means غير الخاضعة للإشراف، مع الحاجة فقط إلى جزء صغير من جهد التسمية الذي قد يحتاجه المصنف الخاضع للإشراف بالكامل.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-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.
- التعلم النشطتعلم الآلة↔ compare
- DBSCANتعلم الآلة↔ compare
- تجميع K-meansتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare
- التجميع الطيفي (Spectral Clustering)تعلم الآلة↔ compare