ScholarGate
Assistent
Machine learningMachine learning

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.

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.

Regulariseret K-Means-klyngedannelse
K-means ClusteringReguleret Gaussisk Bland…

Kilder

  1. 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
  2. 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.

Compare side by side

Refereret af

ScholarGateRegularized k-means (Regularized K-Means Clustering). Hentet 2026-06-15 fra https://scholargate.app/da/machine-learning/regularized-k-means · Datasæt: https://doi.org/10.5281/zenodo.20539026