Robust HDBSCAN
Robust HDBSCAN (HDBSCAN*) étend l'algorithme HDBSCAN original avec un cadre de liaison unique robuste qui gère le bruit, les valeurs aberrantes et les clusters de densités variables de manière plus fiable. Introduit par Campello et al. (2015), il convertit toute hiérarchie basée sur la densité en un clustering plat stable tout en modélisant explicitement les points de bruit — sans obliger l'utilisateur à spécifier à l'avance le nombre de clusters.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fr/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.
- DBSCANApprentissage automatique↔ compare
- HDBSCANApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- Spectral ClusteringApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →