ScholarGate
Avustaja

Klusterointi ja dimension vähentäminen

61 menetelmää tässä perheessä.

Esittelyssä

Aktiivisen oppimisen assosiaatiosäännötActive learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery procesAktiivisen oppimisen autoenkooderin poikkeamien tunnistusActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error insAktiivisen oppimisen eristysmetsäActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most infAffinity Propagation -klusterointiAffinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messagApriori-algoritmiThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It Assosiaatiosääntöjen louhinta (Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

Lukupolku

Tämän aiheen viitatuimmat perusmenetelmät kehitysjärjestyksessään — hyvä aloituspaikka, jos olet täällä uusi.

  1. Hierarkkinen ryvästyminen1963tekijä Ward, J. H.
  2. K-means-klusterointi1967 (formalized 1982)tekijä MacQueen, J. B.; Lloyd, S. P.
  3. K-Means-klusterointi1967tekijä MacQueen, J.
  4. DBSCAN1996tekijä Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
  5. Yhden luokan SVM1999–2001tekijä Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
  6. Pääkomponenttianalyysi2002tekijä Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
  7. Autoenkooderin poikkeamien tunnistus2006–2014tekijä Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
  8. Isolation Forest2008tekijä Liu, F.T., Ting, K.M. & Zhou, Z.-H.
kaikki tämän hyllyn menetelmät ↓

Kaikki menetelmät 61

Aktiivisen oppimisen assosiaatiosäännötAktiivisen oppimisen autoenkooderin poikkeamien tunnistusAktiivisen oppimisen eristysmetsäAffinity Propagation -klusterointiApriori-algoritmiAssosiaatiosääntöjen louhinta (Apriori)AssosiaatiosäännötAutoenkooderin poikkeamien tunnistusBIRCH – Balanced Iterative Reducing and Clustering using HierarchiesDBSCANECLAT-taajuusesiintymien louhintaEnsemble Apriori -algoritmiEnsemble Association RulesEnsemble Autoencoder Anomaly DetectionEnsemble HDBSCANEnsemble Isolation ForestEnsemble K-meansSumennus C-keskiarvojen ryvästys (FCM)Gaussin seosjakaumamalliHDBSCANHierarkkinen ryvästyminenIsolation ForestK-means-klusterointiK-Means-klusterointiKernel PCALocal Outlier Factor (LOF)Paikallisesti lineaarinen upotus (LLE)Mean ShiftYhden luokan SVMOnline-assosiaatiosäännötOnline Autoencoder -poikkeamien tunnistusOnline DBSCANOnline HDBSCANOnline Isolation ForestOnline K-meansOPTICSPääkomponenttianalyysiPääkomponenttiregressio (PCR)Satunnainen projektioRegularisoitu Gaussinen sekoitusmalliRegularisoitu K-Means-klusterointiRobusti autoenkooderin poikkeamien havaitseminenRobust HDBSCANRobust Isolation ForestRobust k-meansItseorganisoituva kartta (Kohonen-kartta)Itseohjautuva autoenkooderianomalian tunnistusItseohjautuva DBSCANOhjattu Gaussinen sekoitusmalliItseohjautuva eristysmetsäOhjattu K-meansSemi-supervised Apriori -algoritmiPuoliohjautuva assosiaatiosääntöjen louhintaPuolivalvottu autoenkooderianomalianalyysiSemi-supervised DBSCANSemi-supervised HDBSCANPuolivalvottu eristysmetsäPuoliohjaava K-meansSpektrinen klusterointit-SNEUMAP