Machine learningMachine learning
एन्सेम्बल के-मीन्स
एन्सेम्बल के-मीन्स, विभिन्न आरंभीकरणों, यादृच्छिक बीजों, या फ़ीचर सबसेट के तहत के-मीन्स क्लस्टरिंग को कई बार चलाता है, फिर परिणामी विभाजनों को एक एकल सर्वसम्मति असाइनमेंट में एकत्रित करता है। यह दृष्टिकोण के-मीन्स की आरंभीकरण के प्रति प्रसिद्ध संवेदनशीलता को कम करता है और किसी भी एकल रन की तुलना में अधिक स्थिर, पुनरुत्पादनीय क्लस्टर उत्पन्न करता है।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/hi/machine-learning/ensemble-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.
- एन्सेम्बल गॉसियन मिक्सचर मॉडलमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित K-माध्य (Semi-supervised K-means)मशीन अधिगम↔ compare