Устойчиво к-средно клъстериране
Устойчивото к-средно клъстериране е разширение на класическия алгоритъм к-средни, което предпазва оценките на клъстерите от изкривяване, причинено от аномалии (outliers) или замърсени наблюдения. Чрез отстраняване на зададена от потребителя част от най-екстремните точки преди актуализиране на клъстерните центрове, алгоритъмът дава стабилни, смислени разделения, дори когато данните съдържат атипични случаи, които биха изкривили силно стандартния алгоритъм к-средни.
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
- Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust K-means Clustering. ScholarGate. https://scholargate.app/bg/statistics/robust-k-means-clustering
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.
- Клъстерен анализСтатистика↔ сравняване
- Моделиране със смесиСтатистика↔ сравняване
- Robust Hierarchical ClusteringСтатистика↔ сравняване
- Робастно моделиране на смесиСтатистика↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →