BIRCH — Balanced Iterative Reducing and Clustering using Hierarchies
A BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies) egy, Zhang, Ramakrishnan és Livny által 1996-ban bevezetett, skálázható, inkrementális klaszterezési algoritmus. Úgy tervezték, hogy rendkívül nagy adathalmazokat – potenciálisan a rendelkezésre álló memóriánál nagyobbakat – egyetlen menetben klaszterezzen, az adatokat egy kompakt, memóriabeli összefoglaló struktúrává, az úgynevezett CF-fává (Clustering Feature tree) tömörítve, mielőtt bármilyen standard klaszterezési eljárást alkalmaznának.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/hu/machine-learning/birch
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.
- DBSCANGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →