Machine learningMachine learning
אשכול רגולריזציה של K-Means
אשכול רגולריזציה של K-Means מרחיב את שיטת K-Means הסטנדרטית על ידי הוספת איבר עונש — לרוב מגבלה מסוג L1 (כמו ב-lasso) או L2 — לפונקציית המטרה. הדבר מונע פתרונות אשכול מנוונים, ובגרסה הדלילה שהוצגה על ידי Witten ו-Tibshirani (2010), הוא בוחר בו-זמנית את המאפיינים המניעים את הפרדת האשכולות, מה שהופך אותו לבעל ערך במיוחד במצבים מרובי-ממדים שבהם מאפיינים רבים אינם רלוונטיים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/he/machine-learning/regularized-k-means
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.
- אשכול K-meansלמידת מכונה↔ compare
- מודל תערובת גאוסיאנית מרוגולרתלמידת מכונה↔ compare