Συστάδα K-means (Ensemble K-means)
Η συστάδα K-means εκτελεί την ομαδοποίηση K-means πολλές φορές υπό ποικίλες αρχικοποιήσεις, τυχαίους σπόρους ή υποσύνολα χαρακτηριστικών, στη συνέχεια συγκεντρώνει τις προκύπτουσες κατατμήσεις σε μια ενιαία συμφωνημένη ανάθεση. Αυτή η προσέγγιση μειώνει την ευρέως γνωστή ευαισθησία του K-means στην αρχικοποίηση και παράγει πιο σταθερές, αναπαραγώγιμες συστάδες από οποιαδήποτε μεμονωμένη εκτέλεση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/el/machine-learning/ensemble-k-means
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Μοντέλο Μίγματος Γκαουσιανών ΣυνόλουΜηχανική Μάθηση↔ σύγκριση
- Ομαδοποίηση K-meansΜηχανική Μάθηση↔ σύγκριση
- Ημι-εποπτευόμενο K-meansΜηχανική Μάθηση↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →