Metodo del Gomito
Il Metodo del Gomito è un'euristica per selezionare il numero ottimale di cluster nel clustering partizionale. Introdotto da Robert Thorndike nel 1953, esso comporta l'adattamento di modelli di clustering per un numero crescente di cluster e la rappresentazione grafica della somma dei quadrati intra-cluster (WCSS) in funzione del numero di cluster. Il "gomito" si verifica dove la velocità di diminuzione della WCSS cambia bruscamente, suggerendo un numero ottimale di cluster.
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
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/it/model-evaluation/elbow-method
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.
- Indice di Calinski-HarabaszValutazione dei modelli↔ compare
- Indice di Davies-BouldinValutazione dei modelli↔ compare
- Statistica del GapValutazione dei modelli↔ compare
- InerziaValutazione dei modelli↔ compare
- Silhouette ScoreValutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →