Spektraalklasterdamine
Spektraalklasterdamine on graafipõhine juhendamata õppe algoritm, mille formaliseerisid Ng, Jordan ja Weiss 2002. aastal. See teisendab andmepunktid madala dimensiooniga omaruumi, mis on tuletatud sarnasuse graafi Laplaciani maatriksist, enne k-keskmiste algoritmi rakendamist. See spektraalne manustamine võimaldab leida suvalise kujuga klastreid — rõngad, poolkuud, põimunud spiraalid —, mida eukleidilisel kaugusel põhinevad meetodid järjepidevalt eraldada ei suuda.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Allikad
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/et/machine-learning/spectral-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.
- DBSCANMasinõpe↔ compare
- Hierarchical ClusteringMasinõpe↔ compare
- K-keskmiste klasterdamineMasinõpe↔ compare
- PricipaalanalüüsMasinõpe↔ compare
- t-SNEMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →