Machine learning
スペクトラルクラスタリング
スペクトラルクラスタリングは、2002年にNg、Jordan、Weissによって形式化されたグラフベースの教師なし学習アルゴリズムであり、k-meansを適用する前に、類似性グラフのラプラシアンから派生した低次元固有空間にデータ点をマッピングします。このスペクトル埋め込みにより、ユークリッド距離ベースの方法では一貫して分離できない、リング、クレセント、インターリーブされたスパイラルなどの任意の形状のクラスタを回復することが可能になります。
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.
+5 more
出典
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
このページの引用方法
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ja/machine-learning/spectral-clustering
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.
- DBSCAN機械学習↔ compare
- 階層的クラスタリング機械学習↔ compare
- K-means クラスタリング機械学習↔ compare
- 主成分分析機械学習↔ compare
- t-SNE機械学習↔ compare