Klastrování metodou afinitní propagace
Afinitní propagace, představená Brendanem Freyem a Delbertem Dueckem v roce 2007, je klastrovací algoritmus, který identifikuje reprezentativní „exempláře“ mezi daty výměnou zpráv mezi každým párem bodů, dokud se neobjeví konzistentní sada shluků. Na rozdíl od k-means nevyžaduje předem specifikovat počet shluků – tento počet vyplývá z dat a parametru „preference“ – a pracuje přímo s párovými podobnostmi, které nemusí být metrikou.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/cs/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.
- DBSCANStrojové učení↔ compare
- Hierarchické shlukováníStrojové učení↔ compare
- K-Means shlukováníStrojové učení↔ compare
- Spektrální shlukováníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →