ScholarGate
Assistant

Clustering et réduction de dimension

61 méthodes dans cette famille.

À la une

Règles d'association par apprentissage actifActive learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery procesDétection d'anomalies par auto-encodeur avec apprentissage actifActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error insForêt d'isolement à apprentissage actifActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most infRegroupement par propagation d'affinitésAffinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messagAlgorithme AprioriThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It Exploration de règles d'association (Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

Parcours de lecture

Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.

  1. Regroupement hiérarchique1963par Ward, J. H.
  2. Regroupement par K-moyennes1967 (formalized 1982)par MacQueen, J. B.; Lloyd, S. P.
  3. Regroupement par K-moyennes1967par MacQueen, J.
  4. DBSCAN1996par Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
  5. SVM à une classe1999–2001par Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
  6. Analyse en composantes principales2002par Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
  7. Détection d'anomalies par auto-encodeur2006–2014par Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
  8. Isolation Forest2008par Liu, F.T., Ting, K.M. & Zhou, Z.-H.
toutes les méthodes de ce rayon ↓

Toutes les méthodes 61

Règles d'association par apprentissage actifDétection d'anomalies par auto-encodeur avec apprentissage actifForêt d'isolement à apprentissage actifRegroupement par propagation d'affinitésAlgorithme AprioriExploration de règles d'association (Apriori)Règles d'associationDétection d'anomalies par auto-encodeurBIRCHDBSCANECLAT : Extraction de sous-ensembles d'items fréquentsAlgorithme Apriori d'EnsembleRègles d'association d'ensembleDétection d'anomalies par autoencodeur en ensembleEnsemble HDBSCANForêt d'isolement en ensembleEnsemble K-meansRegroupement flou par centroïdes (Fuzzy C-Means, FCM)Modèle de mélange gaussienHDBSCANRegroupement hiérarchiqueIsolation ForestRegroupement par K-moyennesRegroupement par K-moyennesACP à noyauFacteur d'Anomalie Locale (LOF)Plongement Linéaire Local (LLE)Mean ShiftSVM à une classeRègles d'association en ligneDétection d'anomalies par autoencodeur en ligneDBSCAN en ligneHDBSCAN en ligneIsolation Forest en ligneK-means en ligneOPTICSAnalyse en composantes principalesRégression par composantes principales (RCP)Projection aléatoireModèle de mélange gaussien régulariséRegulated K-Means ClusteringDétection d'anomalies par autoencodeur robusteRobust HDBSCANIsolation Forest Robustek-means robusteCarte auto-organisatrice (Carte de Kohonen)Détection d'anomalies par autoencodeur auto-superviséDBSCAN auto-superviséModèle de Mélange Gaussien Auto-superviséIsolation Forest auto-superviséK-means auto-superviséAlgorithme Apriori Semi-superviséRègles d'association semi-superviséesDétection d'anomalies par auto-encodeur semi-superviséDBSCAN semi-superviséHDBSCAN semi-superviséForêt d'isolement semi-superviséeK-means semi-superviséSpectral Clusteringt-SNEUMAP