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.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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.
- DBSCANAprenentatge automàtic↔ compare
- Agrupació jeràrquicaAprenentatge automàtic↔ compare
- Agrupació K-MeansAprenentatge automàtic↔ compare
- Clustering EspectralAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →