خوشهبندی کی-مینز منظمشده
خوشهبندی کی-مینز منظمشده (Regularized k-means) با افزودن یک جمله جریمه — که معمولاً یک قید L1 (از نوع لاسو) یا L2 است — به تابع هدف، کی-مینز استاندارد را گسترش میدهد. این کار از راهحلهای خوشهای تباهیده جلوگیری میکند و در نوع پراکنده (sparse variant) که توسط ویتن و تیبشیرانی (2010) معرفی شد، بهطور همزمان ویژگیهایی را که باعث جدایی خوشهها میشوند انتخاب میکند و این امر آن را در تنظیمات با ابعاد بالا که بسیاری از ویژگیها نامربوط هستند، بهویژه ارزشمند میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/fa/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.
- خوشهبندی K-meansیادگیری ماشین↔ compare
- مدل آمیخته گاوسی منظم شدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →