ScholarGate
Asistent

Klasteriranje i redukcija dimenzija

61 metoda u ovoj obitelji.

Izdvojeno

Pravila udruživanja aktivnog učenjaActive learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery procesAktivno učenje autoenkoderom za detekciju anomalijaActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error insAktivno učenje Izolacijske šumeActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most infGrupisanje širenjem afinitetaAffinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messagAlgoritam AprioriThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It Rudarstvo udruženih pravila (Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

Put čitanja

Najreferentnije temeljne metode ove teme, poredane redoslijedom njihova razvoja — polazište ako ste ovdje novi.

  1. Hijerarhijsko grupiranje1963autor: Ward, J. H.
  2. Grupna analiza K-means1967 (formalized 1982)autor: MacQueen, J. B.; Lloyd, S. P.
  3. K-Means klasteriranje1967autor: MacQueen, J.
  4. DBSCAN1996autor: Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
  5. Jednoklasni SVM1999–2001autor: Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
  6. Analiza glavnih komponent2002autor: Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
  7. Detekcija anomalija pomoću autoenkodera2006–2014autor: Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
  8. Izolacijska šuma2008autor: Liu, F.T., Ting, K.M. & Zhou, Z.-H.
sve metode na ovoj polici ↓

Sve metode 61

Pravila udruživanja aktivnog učenjaAktivno učenje autoenkoderom za detekciju anomalijaAktivno učenje Izolacijske šumeGrupisanje širenjem afinitetaAlgoritam AprioriRudarstvo udruženih pravila (Apriori)Pravila udruživanjaDetekcija anomalija pomoću autoenkoderaBIRCHDBSCANRudarjenje čestih skupova stavki ECLATEnsemble Apriori algoritamPravila udruživanja u ansambluDetekcija anomalija pomoću ansambla autoenkoderaEnsemble HDBSCANEnsemble Isolation ForestEnsemble K-meansFuzzy C-Means Clustering (FCM)Gaussov model smjeseHDBSCANHijerarhijsko grupiranjeIzolacijska šumaGrupna analiza K-meansK-Means klasteriranjeKernel PCALokalni faktor odstupanja (LOF)Lokalno linearno ugrađivanje (LLE)Mean ShiftJednoklasni SVMMrežna pravila pridruživanjaOnline detekcija anomalija pomoću autoenkoderaOnline DBSCANOnline HDBSCANOnline Isolation ForestOnline K-meansOPTICSAnaliza glavnih komponentRegresija glavnih komponenti (PCR)Slučajno projiciranjeRegulirani Gaussov model smjeseRegularizirano K-Means grupiranjeRobust Autoencoder Anomaly DetectionRobusni HDBSCANRobusni Isolation ForestRobusni k-meansSamorganizirajuća mapa (Kohonenova mapa)Samonadzorirana detekcija anomalija pomoću autoenkoderaSamonadzorovani DBSCANSamonadzorirani Gaussov model smjeseSamonadzirana izolacijska šumaSamonadzorovani K-meansPolu-nadzirani algoritam AprioriPolu-nadgledana rudarenja asocijativnih pravilaPolunadzorna detekcija anomalija pomoću autoenkoderaPolu-nadgledani DBSCANPolunadzirani HDBSCANPolu-nadgledana (Semi-supervised) verzija metode Isolation ForestPolu-nadgledani K-sredinaSpektralno grupiranjet-SNEUMAP