HDBSCAN d'insieme
HDBSCAN d'insieme esegue HDBSCAN più volte con diverse impostazioni di iperparametri o sottoinsiemi di dati e combina le partizioni risultanti in un unico clustering di consenso stabile. Poiché HDBSCAN è sensibile ai suoi parametri di dimensione minima del cluster e campioni minimi, l'aggregazione di più esecuzioni riduce notevolmente la sensibilità a qualsiasi singola configurazione e produce assegnazioni di cluster più riproducibili su dati rumorosi e ad alta dimensionalità.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/it/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.
- K-means d'insiemeApprendimento automatico↔ compare
- HDBSCANApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- HDBSCAN semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →