BIRCH — Vyvážené iterativní redukce a shlukování pomocí hierarchií
BIRCH je škálovatelný, inkrementální shlukovací algoritmus představený Zhangem, Ramakrishnanem a Livnym v roce 1996. Je navržen pro shlukování velmi rozsáhlých datových sad — potenciálně větších, než je dostupná paměť — v jednom průchodu, komprimací dat do kompaktní paměťové strukturní reprezentace nazývané CF-strom (Clustering Feature tree) před aplikací jakéhokoli standardního shlukovacího postupu.
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
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/cs/machine-learning/birch
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
- K-means ShlukováníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →