Ensemble HDBSCAN
Az Ensemble HDBSCAN az HDBSCAN algoritmust többször futtatja különböző hiperparaméter-beállítások vagy adatminták mellett, majd az eredményül kapott partíciókat egyetlen, stabil konszenzusos klaszterezésbe egyesíti. Mivel az HDBSCAN érzékeny a minimális klaszterméret és a minimális mintaszám paraméterekre, több futtatás összevonása nagymértékben csökkenti az egyes konfigurációkra való érzékenységet, és megismételhetőbb klaszter-hozzárendeléseket eredményez zajos, magas dimenziójú adatokon.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hu/machine-learning/ensemble-hdbscan
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.
- Ensemble K-meansGépi tanulás↔ compare
- HDBSCANGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- Félfelügyelt HDBSCANGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →