K-means d'ensemble
K-means d'ensemble executa el clustering K-means moltes vegades sota inicialitzacions variades, llavors aleatoris o subconjunts de característiques, i després agrega les particions resultants en una assignació de consens única. Aquest enfocament redueix la sensibilitat ben coneguda de K-means a la inicialització i produeix clústers més estables i reproduïbles que qualsevol execució individual.
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
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/ca/machine-learning/ensemble-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.
- Model de Mescla Gaussiana d'EnsembleAprenentatge automàtic↔ compare
- Agrupació K-meansAprenentatge automàtic↔ compare
- K-means semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →