Robust HDBSCAN
Robust HDBSCAN (HDBSCAN*) laajentaa alkuperäistä HDBSCAN-algoritmia robustilla yhden linkin (single-linkage) viitekehyksellä, joka käsittelee kohinaa, poikkeamia ja eritiheyksisiä klustereita luotettavammin. Campello et al. (2015) esittelemä menetelmä muuntaa minkä tahansa tiheysperusteisen hierarkian vakaaksi litteäksi klusteroinniksi mallintamalla eksplisiittisesti kohinapisteitä – ilman, että käyttäjän tarvitsee ennalta määrittää klusterien lukumäärää.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Campello, R.J.G.B., Moulavi, D., Zimek, A. & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), 5. DOI: 10.1145/2733381 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fi/machine-learning/robust-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.
- DBSCANKoneoppiminen↔ compare
- HDBSCANKoneoppiminen↔ compare
- K-means-klusterointiKoneoppiminen↔ compare
- Spektrinen klusterointiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →