Machine learning

Ιεραρχική ομαδοποίηση

Η ιεραρχική ομαδοποίηση είναι μια μη επιβλεπόμενη μέθοδος που ομαδοποιεί παρατηρήσεις σε ένθετες ομάδες και απεικονίζει το αποτέλεσμα ως δενδρόγραμμα, οπότε ο αριθμός των ομάδων δεν χρειάζεται να είναι προκαθορισμένος. Η συνενωτική της μορφή βασίζεται στο κριτήριο ομαδοποίησης αντικειμενικής συνάρτησης που εισήγαγε ο Joe Ward το 1963.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

Πηγές

  1. Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/el/machine-learning/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.

Compare side by side

Αναφέρεται από

ScholarGateHierarchical Clustering (Hierarchical Agglomerative Clustering). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/hierarchical-clustering · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026