BIRCH — Pengelompokan Berulang dan Hierarkis yang Seimbang Menggunakan Hirarki
BIRCH adalah algoritma pengelompokan yang terukur dan inkremental yang diperkenalkan oleh Zhang, Ramakrishnan, dan Livny pada tahun 1996. Algoritma ini dirancang untuk mengelompokkan kumpulan data yang sangat besar — berpotensi lebih besar dari memori yang tersedia — dalam satu lintasan, dengan mengompresi data ke dalam struktur ringkasan memori yang ringkas yang disebut pohon CF (Clustering Feature tree) sebelum menerapkan prosedur pengelompokan standar apa pun.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/id/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.
- DBSCANPembelajaran Mesin↔ compare
- Clustering K-meansPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →