Hierarkkinen ryvästyminen
Hierarkkinen ryvästyminen on ohjaamaton menetelmä, joka ryhmittelee havainnot sisäkkäisiin ryväksiin ja esittää tuloksen dendrogrammina, joten ryvästen lukumäärää ei tarvitse määrittää etukäteen. Sen agglomeroiva muoto perustuu Joe Wardin vuonna 1963 esittelemään objektiivifunktion ryvästymiskriteeriin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Lähteet
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/fi/machine-learning/hierarchical-clustering
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
- FaktorianalyysiTutkimuksen tilastomenetelmät↔ compare
- Gaussin seosjakaumamalliKoneoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →