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.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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.
- DBSCANMaskinlæring↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- K-Means ClusteringMaskinlæring↔ compare
- Spektral klyngedannelseMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →