Метод на лакътя
Методът на лакътя е евристичен подход за избор на оптималния брой клъстери при партиционното клъстериране. Въведен от Робърт Торндайк през 1953 г., той включва прилагане на клъстерни модели за нарастващ брой клъстери и начертаване на сумата от квадратите на вътрешноклстерните разстояния (WCSS) спрямо броя на клъстерите. 'Лакът' се появява там, където скоростта на намаляване на WCSS рязко се променя, което предполага оптимален брой клъстери.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/bg/model-evaluation/elbow-method
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Индекс на Калински-ХарабашОценка на модели↔ сравняване
- Индекс на Дейвис-БолдинОценка на модели↔ сравняване
- Gap StatisticОценка на модели↔ сравняване
- ИнерцияОценка на модели↔ сравняване
- Коефициент на силуетОценка на модели↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →