Agrupamiento K-medias Regularizado
El k-medias regularizado extiende el k-medias estándar añadiendo un término de penalización —más comúnmente una restricción L1 (tipo lasso) o L2— a la función objetivo. Esto desalienta soluciones de agrupamiento degeneradas y, en la variante dispersa introducida por Witten y Tibshirani (2010), selecciona simultáneamente las características que impulsan la separación de los clústeres, lo que lo hace especialmente valioso en entornos de alta dimensionalidad donde muchas características son irrelevantes.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/es/machine-learning/regularized-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.
- Agrupamiento K-mediasAprendizaje automático↔ compare
- Modelo de Mezcla Gaussiana RegularizadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →