K-means semi-supervisionato
Il K-means semi-supervisionato estende il clustering K-means standard incorporando una supervisione parziale — o un piccolo insieme di punti seme etichettati o vincoli pairwise di tipo 'must-link' e 'cannot-link' — per guidare la formazione dei cluster. Esso fa da ponte tra il clustering non supervisionato e la classificazione completamente supervisionata, consentendo cluster più significativi quando le etichette sono scarse ma costose da ottenere in modo completo.
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
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-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.
- Active LearningApprendimento automatico↔ compare
- DBSCANApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Spectral ClusteringApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →