Machine learningMachine learning
Robust k-means
Robust k-means הוא וריאנט של אלגוריתם k-means הקלאסי, שתוכנן לעמוד בפני השפעתם של ערכים חריגים (outliers). על ידי גיזום (trimming) של שבר מוגדר מראש של התצפיות הקיצוניות ביותר לפני חישוב מרכזי האשכולות, האלגוריתם מפיק חלוקות יציבות ומשמעותיות גם כאשר הנתונים מכילים רעש, זיהום (contamination), או התפלגויות בעלות זנבות כבדים — מצבים שבהם k-means סטנדרטי נכשל.
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
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/he/machine-learning/robust-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.
- DBSCANלמידת מכונה↔ compare
- אשכול היררכילמידת מכונה↔ compare
- אשכול K-meansלמידת מכונה↔ compare
- אשכול ספקטרלילמידת מכונה↔ compare