ScholarGate
Asistent

Shlukování a redukce dimenzionality

61 — metody v této rodině.

Vybrané

Asociativní pravidla s aktivním učeniemActive learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery procesDetekce anomálií pomocí aktivního učení a autoenkodéruActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error insAktivní učení s Isolation ForestActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most infKlastrování metodou afinitní propagaceAffinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messagAlgoritmus AprioriThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It Asociační dolování pravidel (Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

Cesta četby

Nejčastěji odkazované základní metody tohoto tématu v pořadí, v jakém vznikaly — místo, kde začít, pokud jste tu nově.

  1. Hierarchické shlukování1963od Ward, J. H.
  2. K-means Shlukování1967 (formalized 1982)od MacQueen, J. B.; Lloyd, S. P.
  3. K-Means shlukování1967od MacQueen, J.
  4. DBSCAN1996od Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
  5. One-class SVM1999–2001od Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
  6. Analýza hlavních komponent2002od Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
  7. Detekce anomálií pomocí autoenkodéru2006–2014od Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
  8. Isolation Forest2008od Liu, F.T., Ting, K.M. & Zhou, Z.-H.
všechny metody na této polici ↓

Všechny metody 61

Asociativní pravidla s aktivním učeniemDetekce anomálií pomocí aktivního učení a autoenkodéruAktivní učení s Isolation ForestKlastrování metodou afinitní propagaceAlgoritmus AprioriAsociační dolování pravidel (Apriori)Asociační pravidlaDetekce anomálií pomocí autoenkodéruBIRCHDBSCANECLAT Těžba častých množin položekAlgoritmus Ensemble AprioriPravidla asociací v ansámbluDetekce anomálií pomocí ansámblových autoenkodérůEnsemble HDBSCANEnsemble Isolation ForestEnsemble K-meansFuzzy C-Means Clustering (FCM)Gaussovský směsný modelHDBSCANHierarchické shlukováníIsolation ForestK-means ShlukováníK-Means shlukováníJádrová PCALokální faktor odlehlosti (LOF)Lokálně lineární vnoření (LLE)Mean ShiftOne-class SVMOnline asociační pravidlaOnline detekce anomálií pomocí autoenkodéruOnline DBSCANOnline HDBSCANOnline Isolation ForestOnline K-meansOPTICSAnalýza hlavních komponentRegrese hlavních komponent (PCR)Náhodné projekceRegularizovaný Gaussovský Směsný ModelRegularizované shlukování k-středůRobustní detekce anomálií pomocí autoenkodéruRobustní HDBSCANRobust Isolation ForestRobust k-meansSamostatně organizující se mapa (mapa Kohonena)Samoučící se detekce anomálií pomocí autoenkodéruSamoučící se DBSCANSamoučící se Gaussovský směšovací modelSelf-supervised Isolation ForestSelf-supervised K-meansPoloautomatický algoritmus AprioriPolosupervizovaná pravidla přidruženíDetekce anomálií pomocí semi-supervizovaného autoenkodéruSemi-supervidované DBSCANSemi-supervised HDBSCANPolo-dohledný Isolation ForestSemi-supervizované shlukování K-meansSpektrální shlukovánít-SNEUMAP