HDBSCAN
HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise) ist ein dichte-basierter Clustering-Algorithmus, der 2013 von Campello, Moulavi und Sander eingeführt wurde. Er erweitert DBSCAN, indem er eine vollständige Hierarchie von dichte-basierten Clustern über alle Dichteskalen hinweg aufbaut und dann eine stabile flache Partition extrahiert, was ihn robust gegenüber Datensätzen macht, bei denen die Clusterdichten in verschiedenen Regionen erheblich variieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Quellen
- Campello, R. J. G. B., Moulavi, D., & Sander, J. (2013). Density-Based Clustering Based on Hierarchical Density Estimates. In J. Pei et al. (Eds.), Advances in Knowledge Discovery and Data Mining. PAKDD 2013. Lecture Notes in Computer Science, vol. 7819 (pp. 160–172). Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-642-37456-2_14 ↗
- Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), Article 5. DOI: 10.1145/2733381 ↗
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/de/machine-learning/hdbscan
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.
- DBSCANMaschinelles Lernen↔ compare
- OPTICSMaschinelles Lernen↔ compare
- Spektrale ClusteranalyseMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →