BIRCH — Balanced Iterative Reducing and Clustering using Hierarchies
BIRCH es un algoritmo de agrupamiento incremental y escalable introducido por Zhang, Ramakrishnan y Livny en 1996. Está diseñado para agrupar conjuntos de datos muy grandes —potencialmente mayores que la memoria disponible— en una sola pasada, comprimiendo los datos en una estructura resumen compacta en memoria llamada árbol CF (árbol de características de agrupamiento) antes de aplicar cualquier procedimiento de agrupamiento estándar.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Cómo citar esta página
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/es/machine-learning/birch
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.
- DBSCANAprendizaje automático↔ compare
- Agrupamiento K-mediasAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →