Machine learningMachine learning
正則化 k-means クラスタリング
正則化 k-means は、目的関数にペナルティ項（最も一般的には L1（lasso 型）または L2 制約）を追加することで、標準 k-means を拡張したものです。これにより、退化したクラスタ解が抑制され、Witten と Tibshirani (2010) によって導入されたスパース（疎）なバリアントでは、クラスタ分離を駆動する特徴量が同時に選択されるため、多く特徴量が無関係である高次元設定において特に価値があります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →