Clustering Espectral
El Clustering Espectral és un algorisme d'aprenentatge no supervisat basat en grafs, formalitzat per Ng, Jordan i Weiss el 2002, que mapeja els punts de dades en un espai propi de baixa dimensió derivat del Laplacià del graf de similitud abans d'aplicar k-means. Aquesta incrustació espectral fa possible recuperar clústers de forma arbitrària —anells, mitjanes llunes, espirals entrellaçades— que els mètodes basats en distància euclidiana fallen constantment a separar.
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.
+5 more
Fonts
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ca/machine-learning/spectral-clustering
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
- Anàlisi de Components PrincipalsAprenentatge automàtic↔ compare
- t-SNEAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →