Robustne k-keskmine
Robustne k-keskmine on klassikalise k-keskmise klastreerimise variant, mis on loodud vastupidavaks üksikute vaatluste (outlierite) mõjule. Arvutades klastri keskpunkte pärast etteantud osa äärmuslikumatest vaatlustest eemaldamist, annab see stabiilseid ja tähendusrikkaid jaotusi isegi siis, kui andmed sisaldavad müra, saastumist või raskete sabadega jaotusi – olukordi, kus standardne k-keskmine ebaõnnestub.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/et/machine-learning/robust-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.
- DBSCANMasinõpe↔ compare
- Hierarchical ClusteringMasinõpe↔ compare
- K-keskmiste klasterdamineMasinõpe↔ compare
- SpektraalklasterdamineMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →