BIRCH — Regroupement itératif réduit et hiérarchique équilibré par des hiérarchies
BIRCH est un algorithme de regroupement évolutif et incrémental introduit par Zhang, Ramakrishnan et Livny en 1996. Il est conçu pour regrouper de très grands ensembles de données — potentiellement plus grands que la mémoire disponible — en une seule passe, en compressant les données dans une structure de résumé compacte en mémoire appelée arbre CF (arbre de caractéristiques de regroupement) avant d'appliquer toute procédure de regroupement standard.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/fr/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.
- DBSCANApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →