Ensemble HDBSCAN
Ensemble HDBSCAN exécute HDBSCAN plusieurs fois avec différents réglages d'hyperparamètres ou sous-échantillons de données, puis combine les partitions résultantes en un unique regroupement consensuel stable. Étant donné que HDBSCAN est sensible à ses paramètres de taille minimale de cluster et d'échantillons minimaux, la mise en commun de plusieurs exécutions réduit considérablement la sensibilité à toute configuration unique et produit des assignations de clusters plus reproductibles sur des données bruitées et de haute dimensionnalité.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fr/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-meansApprentissage automatique↔ compare
- HDBSCANApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- HDBSCAN semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →