रोबस्ट के-मीन्स
रोबस्ट के-मीन्स (Robust k-means) क्लासिकल के-मीन्स क्लस्टरिंग का एक प्रकार है जिसे आउटलायर्स (outliers) के प्रभाव का प्रतिरोध करने के लिए डिज़ाइन किया गया है। क्लस्टर केंद्रों की गणना करने से पहले सबसे चरम अवलोकनों के एक निर्दिष्ट अंश को ट्रिम (trim) करके, यह डेटा में शोर, संदूषण या भारी-पूंछ वाले वितरण होने पर भी स्थिर और सार्थक विभाजन उत्पन्न करता है — ऐसी स्थितियाँ जहाँ मानक के-मीन्स विफल हो जाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/hi/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.
- DBSCANमशीन अधिगम↔ compare
- पदानुक्रमिक समूहनमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- स्पेक्ट्रल क्लस्टरिंगमशीन अधिगम↔ compare