Elbow-Methode
Die Elbow-Methode ist eine Heuristik zur Auswahl der optimalen Anzahl von Clustern bei der partitiven Clusterbildung. Sie wurde 1953 von Robert Thorndike eingeführt und beinhaltet die Anpassung von Clustering-Modellen für eine steigende Anzahl von Clustern sowie die grafische Darstellung der Summe der quadrierten Abweichungen innerhalb der Cluster (WCSS) gegen die Anzahl der Cluster. Der „Ellbogen“ tritt dort auf, wo sich die Rate der WCSS-Abnahme sprunghaft ändert, was auf eine optimale Clusteranzahl hindeutet.
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
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/de/model-evaluation/elbow-method
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.
- Calinski-Harabasz-IndexModellevaluation↔ compare
- Davies-Bouldin-IndexModellevaluation↔ compare
- Gap-StatistikModellevaluation↔ compare
- InertiaModellevaluation↔ compare
- Silhouetten-KoeffizientModellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →