Robust k-means
Το Robust k-means είναι μια παραλλαγή του κλασικού k-means clustering, σχεδιασμένη να αντιστέκεται στην επίδραση των ακραίων τιμών (outliers). Με την αφαίρεση ενός καθορισμένου ποσοστού των πιο ακραίων παρατηρήσεων πριν τον υπολογισμό των κέντρων των συστάδων, παράγει σταθερούς και ουσιαστικούς διαμερισμούς ακόμη και όταν τα δεδομένα περιέχουν θόρυβο, μόλυνση (contamination) ή κατανομές με βαριές ουρές — καταστάσεις όπου το τυπικό k-means αποτυγχάνει.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/el/machine-learning/robust-k-means
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.
- DBSCANΜηχανική Μάθηση↔ compare
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
- Ομαδοποίηση K-meansΜηχανική Μάθηση↔ compare
- Φασματική ΟμαδοποίησηΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →