Pengelompokan K-Means Teregulasi
K-means teregulasi memperluas k-means standar dengan menambahkan suku penalti—paling umum batasan L1 (tipe lasso) atau L2—ke fungsi objektif. Ini mencegah solusi klaster yang degeneratif dan, dalam varian jarang yang diperkenalkan oleh Witten dan Tibshirani (2010), secara simultan memilih fitur-fitur yang mendorong pemisahan klaster, menjadikannya sangat berharga dalam pengaturan berdimensi tinggi di mana banyak fitur tidak relevan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/id/machine-learning/regularized-k-means
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.
- Clustering K-meansPembelajaran Mesin↔ compare
- Model Campuran Gaussian TeregulasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →