Machine learning

Clustering per propagació d'afinitat

La propagació d'afinitat, introduïda per Brendan Frey i Delbert Dueck el 2007, és un algoritme de clustering que identifica 'exemplars' representatius entre les dades mitjançant l'intercanvi de missatges entre cada parell de punts fins que emergeix un conjunt coherent de clústers. A diferència de k-means, no requereix que el nombre de clústers es especifiqui per avançat —aquest nombre sorgeix de les dades i un paràmetre de 'preferència' — i funciona directament a partir de similituds per parells, que no necessiten ser una mètrica.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800

Com citar aquesta pàgina

ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/ca/machine-learning/affinity-propagation

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.

Compare side by side
ScholarGateAffinity Propagation (Affinity Propagation Clustering). Recuperat el 2026-06-15 de https://scholargate.app/ca/machine-learning/affinity-propagation · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026