Ансамбъл HDBSCAN
Ансамбъл HDBSCAN изпълнява HDBSCAN многократно при различни настройки на хиперпараметрите или подмножества от данни и комбинира получените дялове в едно стабилно консенсусно клъстериране. Тъй като HDBSCAN е чувствителен към параметрите за минимален размер на клъстера и минимален брой точки, групирането на множество изпълнения значително намалява чувствителността към всяка отделна конфигурация и води до по-възпроизводими присвоявания на клъстери при шумни, високоизмерни данни.
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
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-hdbscan
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.
- Ансамбъл K-meansМашинно обучение↔ compare
- HDBSCANМашинно обучение↔ compare
- K-means клъстеризацияМашинно обучение↔ compare
- Полу-наблюдавано HDBSCANМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →