Latent structureMultivariate analysis

Robust K-means Clustering

Η στιβαρή μέθοδος K-means (Robust K-means clustering) αποτελεί μια επέκταση της κλασικής μεθόδου k-means που προστατεύει τις εκτιμήσεις των συστάδων από παραμορφώσεις που προκαλούνται από ακραίες τιμές (outliers) ή επιμολυσμένες παρατηρήσεις. Με την αφαίρεση ενός καθοριζόμενου από τον χρήστη ποσοστού των πιο ακραίων σημείων πριν την ενημέρωση των κέντρων των συστάδων, ο αλγόριθμος παράγει σταθερούς, ουσιαστικούς διαμερισμούς ακόμη και όταν τα δεδομένα περιέχουν άτυπες περιπτώσεις που θα επηρέαζαν σοβαρά την τυπική μέθοδο k-means.

Εφαρμογή με το StatMindΣύντομαΒίντεοΣύντομαDownload 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. Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664
  2. García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The 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/statistics/robust-k-means-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

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