Robustní hierarchické shlukování
Robustní hierarchické shlukování rozšiřuje klasické aglomerativní nebo divizní hierarchické shlukování nahrazením citlivých měr vzdálenosti a kritérií propojení alternativami odolnými vůči odlehlým hodnotám, čímž zachovává strukturu shluků i v případě, že data obsahují anomální pozorování nebo těžké rozdělení.
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
- Kaufman, L. & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley. ISBN: 978-0471878766
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2–3), 89–109. DOI: 10.1007/s11634-010-0064-5 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Hierarchical Clustering. ScholarGate. https://scholargate.app/cs/statistics/robust-hierarchical-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.
- Shluková analýzaStatistika↔ compare
- Hierarchické shlukováníStrojové učení↔ compare
- Modelování směsíStatistika↔ compare
- Vícerozměrné škálování (MDS)Statistika↔ compare
- Robustní K-means shlukováníStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →