Machine learning

Affinity Propagation -klusterointi

Affinity propagation, jonka Brendan Frey ja Delbert Dueck esittelivät vuonna 2007, on klusterointialgoritmi, joka tunnistaa edustavia 'esimerkkejä' datasta välittämällä viestejä jokaisen datapiste-pariskunnan välillä, kunnes johdonmukainen joukko klustereita muodostuu. Toisin kuin k-means, se ei vaadi klusterien lukumäärän määrittämistä etukäteen – tämä lukumäärä syntyy datasta ja 'preferenssi'-parametrasta – ja se toimii suoraan parittaisten samankaltaisuuksien perusteella, joiden ei tarvitse olla metrisiä.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800

Näin viittaat tähän sivuun

ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/fi/machine-learning/affinity-propagation

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.

Compare side by side
ScholarGateAffinity Propagation (Affinity Propagation Clustering). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/machine-learning/affinity-propagation · Aineisto: https://doi.org/10.5281/zenodo.20539026