Robust HDBSCAN
A Robust HDBSCAN (HDBSCAN*) a hagyományos HDBSCAN algoritmust egy robusztus, egyszálú keretrendszerrel egészíti ki, amely megbízhatóbban kezeli a zajt, a kiugró értékeket és a különböző sűrűségű klasztereket. A Campello et al. (2015) által bevezetett módszer bármilyen sűrűség-alapú hierarchiát stabil, sík klaszterezéssé alakít át, miközben explicit módon modellezi a zajpontokat – anélkül, hogy a felhasználónak előre meg kellene adnia a klaszterek számát.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Campello, R.J.G.B., Moulavi, D., Zimek, A. & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), 5. DOI: 10.1145/2733381 ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hu/machine-learning/robust-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.
- DBSCANGépi tanulás↔ compare
- HDBSCANGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- Spektrális klaszterezésGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →