Ensemble K-means
Ensemble K-means viib K-means klastreerimise läbi mitu korda erinevate algväärtustuste, juhuslike seemnete või tunnuste alamhulkade korral, seejärel koondab saadud jaotused üheks konsensuslikuks määramiseks. See lähenemisviis vähendab K-means'i tuntud tundlikkust algväärtustusele ja toodab stabiilsemaid, reprodutseeritavamaid klastreid kui ükski üksik läbiviimine.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/et/machine-learning/ensemble-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.
- Ensemble Gaussian Mixture ModelMasinõpe↔ compare
- K-keskmiste klasterdamineMasinõpe↔ compare
- Pooljärelevalvega K-meansMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →