ScholarGate
Assistent
Machine learning

Affinity Propagation Clustering

Affinity propagation, introduceret af Brendan Frey og Delbert Dueck i 2007, er en klyngealgoritme, der identificerer repræsentative 'exemplars' blandt dataene ved at udveksle beskeder mellem hvert par af punkter, indtil et konsistent sæt af klynger opstår. I modsætning til k-means kræver den ikke, at antallet af klynger specificeres på forhånd – dette antal opstår fra dataene og en 'præference'-parameter – og den arbejder direkte ud fra parvise ligheder, som ikke behøver at være en metrik.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800

Sådan citerer du denne side

ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/da/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.

Compare side by side
ScholarGateAffinity Propagation (Affinity Propagation Clustering). Hentet 2026-06-15 fra https://scholargate.app/da/machine-learning/affinity-propagation · Datasæt: https://doi.org/10.5281/zenodo.20539026