Regularizirano K-Means grupiranje
Regularizirani k-means proširuje standardni k-means dodavanjem kaznenog člana — najčešće L1 (lasso-tipa) ili L2 ograničenja — objektivnoj funkciji. Time se obeshrabruju degenerirana rješenja grupiranja i, u rijetkoj varijanti koju su uveli Witten i Tibshirani (2010.), istovremeno se odabiru značajke koje potiču razdvajanje grupa, što ga čini posebno vrijednim u visokodimenzionalnim postavkama gdje su mnoge značajke irelevantne.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/hr/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.
- Grupna analiza K-meansStrojno učenje↔ compare
- Regulirani Gaussov model smjeseStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →