Machine learningMachine learning

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.

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.

Πηγές

  1. 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
  2. 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.

Compare side by side

Αναφέρεται από

ScholarGateRobust k-means (Robust k-means Clustering). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/robust-k-means · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026