Robuster HDBSCAN
Robuster HDBSCAN (HDBSCAN*) erweitert den ursprünglichen HDBSCAN-Algorithmus um ein robustes Single-Linkage-Framework, das Rauschen, Ausreißer und Cluster unterschiedlicher Dichte zuverlässiger handhabt. Eingeführt von Campello et al. (2015), wandelt er jede dichte-basierte Hierarchie in eine stabile flache Clusterbildung um, während Rauschpunkte explizit modelliert werden – ohne dass der Benutzer die Anzahl der Cluster vordefinieren muss.
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.
Quellen
- 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), 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). Robust Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/de/machine-learning/robust-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
- HDBSCANMaschinelles Lernen↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- Spektrale ClusteranalyseMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →