Μέθοδος Αγκώνα
Η Μέθοδος Αγκώνα είναι ένας εμπειρικός κανόνας για την επιλογή του βέλτιστου αριθμού συστάδων στην κατανεμητική ομαδοποίηση. Παρουσιάστηκε από τον Robert Thorndike το 1953 και περιλαμβάνει την προσαρμογή μοντέλων ομαδοποίησης για αυξανόμενους αριθμούς συστάδων και τη σχεδίαση του αθροίσματος των τετραγώνων εντός των συστάδων (WCSS) έναντι του αριθμού των συστάδων. Ο «αγκώνας» εμφανίζεται εκεί όπου ο ρυθμός μείωσης του WCSS αλλάζει απότομα, υποδεικνύοντας έναν βέλτιστο αριθμό συστάδων.
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
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/el/model-evaluation/elbow-method
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.
- Δείκτης Calinski-HarabaszΑξιολόγηση Μοντέλων↔ σύγκριση
- Δείκτης Davies-BouldinΑξιολόγηση Μοντέλων↔ σύγκριση
- Στατιστική ΚενούΑξιολόγηση Μοντέλων↔ σύγκριση
- ΑδράνειαΑξιολόγηση Μοντέλων↔ σύγκριση
- Συντελεστής ΣιλουέταςΑξιολόγηση Μοντέλων↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →