Robust Hierarkisk Klyngning
Robust hierarkisk klyngning udvider klassisk agglomerativ eller divisiv hierarkisk klyngning ved at erstatte følsomme afstands-mål og koblingskriterier med alternativer, der er modstandsdygtige over for outliers, og bevarer klyngestrukturen, selv når data indeholder anomale observationer eller tungt-halede fordelinger.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Hierarchical Clustering. ScholarGate. https://scholargate.app/da/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.
- KlyngeanalyseStatistik↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- MixturmodelleringStatistik↔ compare
- Flerdimensional Skalering (MDS)Statistik↔ compare
- Robust K-means ClusteringStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →