Machine learning
خوشهبندی سلسلهمراتبی
خوشهبندی سلسلهمراتبی یک روش نظارتنشده است که مشاهدات را در خوشههای تودرتو گروهبندی میکند و نتیجه را به صورت یک درختنگاره (دندروگرام) ترسیم میکند، بنابراین نیازی به تعیین تعداد خوشهها از پیش نیست. شکل تجمعی آن بر اساس معیار تابع هدف گروهبندی است که توسط جو وارد در سال ۱۹۶۳ معرفی شد.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
منابع
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/fa/machine-learning/hierarchical-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.
- دیبیاسکنیادگیری ماشین↔ compare
- Factor Analysisآمار پژوهش↔ compare
- مدل آمیخته گوسییادگیری ماشین↔ compare
- تحلیل مؤلفههای اصلییادگیری ماشین↔ compare
ارجاعشده در
خوشهبندی انتشار وابستگیتحلیل خوشهای بیزیخوشهبندی سلسلهمراتبی بیزی (BHC)آشکارسازی جامعهدیبیاسکنمیانگینگیری باریسنتریک DTWK-Means قابل توضیح (Explainable K-Means)تحلیل مفهوم صوری (FCA)مدل آمیخته گوسیخوشهبندی K-meansخوشهبندی K-MeansMean ShiftK-means آنلاین (Online K-means)OPTICSتحلیل مؤلفههای اصلیخوشهبندی سلسله مراتبی مقاومکِی-مینز مقاومخوشهبندی طیفی (Spectral Clustering)مدل بلوک تصادفی
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →