দৃঢ় কে-মিনস (Robust k-means)
দৃঢ় কে-মিনস হলো ক্লাসিক্যাল কে-মিনস ক্লাস্টারিং-এর একটি প্রকারভেদ, যা আউটলায়ারদের প্রভাব প্রতিরোধ করার জন্য ডিজাইন করা হয়েছে। ক্লাস্টার কেন্দ্রগুলি গণনা করার আগে সবচেয়ে চরম পর্যবেক্ষণগুলির একটি নির্দিষ্ট অংশ ছেঁটে ফেলার মাধ্যমে, এটি স্থিতিশীল এবং অর্থপূর্ণ বিভাজন তৈরি করে, এমনকি যখন ডেটাতে নয়েজ, দূষণ বা হেভি-টেইলড ডিস্ট্রিবিউশন থাকে — এমন পরিস্থিতিতে যেখানে স্ট্যান্ডার্ড কে-মিনস ভেঙে পড়ে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/bn/machine-learning/robust-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.
- ডিবিস্ক্যানযন্ত্র শিখন↔ compare
- Hierarchical Clusteringযন্ত্র শিখন↔ compare
- কে-মিনস ক্লাস্টারিংযন্ত্র শিখন↔ compare
- স্পেকট্রাল ক্লাস্টারিংযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →