Ensemble HDBSCAN
Ensemble HDBSCAN suorittaa HDBSCAN-algoritmin useita kertoja eri hyperparametrien asetuksilla tai data-osajoukoilla ja yhdistää tuloksena saadut ositukset yhdeksi vakaaksi konsensusklusteriksi. Koska HDBSCAN on herkkä minimiklusterikoko- ja miniminäyteparametrien suhteen, useiden ajojen yhdistäminen vähentää merkittävästi herkkyyttä mille tahansa yksittäiselle konfiguraatiolle ja tuottaa toistettavampia klusterimäärityksiä kohinaiselle, korkeaulotteiselle datalle.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fi/machine-learning/ensemble-hdbscan
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.
- Ensemble K-meansKoneoppiminen↔ compare
- HDBSCANKoneoppiminen↔ compare
- K-means-klusterointiKoneoppiminen↔ compare
- Semi-supervised HDBSCANKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →