BIRCH – Balanced Iterative Reducing and Clustering using Hierarchies
BIRCH on skaalautuva, inkrementaalinen klusterointialgoritmi, jonka Zhang, Ramakrishnan ja Livny esittelivät vuonna 1996. Se on suunniteltu klusteroimaan erittäin suuria aineistoja – potentiaalisesti käytettävissä olevaa muistia suurempia – yhdellä läpikäynnillä pakkaamalla data kompaktiksi muistissa olevaksi yhteenvetorakenteeksi nimeltä CF-puu (Clustering Feature tree) ennen minkään standardin klusterointimenetelmän soveltamista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/fi/machine-learning/birch
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.
- DBSCANKoneoppiminen↔ compare
- K-means-klusterointiKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →