Hierarchikus klaszterezés
A hierarchikus klaszterezés egy felügyelet nélküli módszer, amely a megfigyeléseket egymásba ágyazott klaszterekbe csoportosítja, és az eredményt dendrogramként ábrázolja, így a klaszterek számát nem kell előre rögzíteni. Agglomeratív formája a Joe Ward által 1963-ban bevezetett objektívfüggvény-alapú csoportosítási kritériumon alapul.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
+10 további
Források
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/hu/machine-learning/hierarchical-clustering
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- DBSCANGépi tanulás↔ összehasonlítás
- FaktoranalízisKutatási statisztika↔ összehasonlítás
- Gauss-keverék modellGépi tanulás↔ összehasonlítás
- Főkomponens-analízisGépi tanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →