BIRCH — Балансирано итеративно намаляване и клъстериране чрез йерархии
BIRCH е мащабируем, инкрементален алгоритъм за клъстериране, представен от Zhang, Ramakrishnan и Livny през 1996 г. Той е проектиран да клъстерира много големи набори от данни — потенциално по-големи от наличната памет — в един проход, като компресира данните в компактна структура за обобщение в паметта, наречена CF-дърво (Clustering Feature tree), преди да приложи каквато и да е стандартна процедура за клъстериране.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Как да цитирате тази страница
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/bg/machine-learning/birch
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.
- DBSCANМашинно обучение↔ compare
- K-means клъстеризацияМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →