Regulariseret K-Means-klyngedannelse
Regulariseret k-means udvider standard k-means ved at tilføje et strafled — oftest en L1 (lasso-type) eller L2-begrænsning — til objektivfunktionen. Dette modvirker degenererede klyngeløsninger og vælger i den sparsomme variant, introduceret af Witten og Tibshirani (2010), samtidig de træk, der driver klyngeseparation, hvilket gør den særligt værdifuld i højdimensionelle indstillinger, hvor mange træk er irrelevante.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/da/machine-learning/regularized-k-means
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.
- K-means ClusteringMaskinlæring↔ compare
- Reguleret Gaussisk Blanding (GMM)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →