군집화 및 차원 축소

61 개 방법이 이 계열에 있습니다.

추천

능동 학습 연관 규칙Active learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery proces 능동 학습 오토인코더 이상 탐지Active Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error ins 능동 학습 Isolation ForestActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most inf 어피니티 전파 군집화Affinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messag Apriori 알고리즘The Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It 연관 규칙 마이닝(Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

추천 학습 경로

이 주제에서 가장 많이 참조되는 기초 방법들을, 개발된 순서대로 정리했습니다 — 이 분야가 처음이라면 여기서 시작해 보세요.

계층적 군집화1963Ward, J. H. 제안
K-means 군집화1967 (formalized 1982)MacQueen, J. B.; Lloyd, S. P. 제안
K-평균 군집화1967MacQueen, J. 제안
DBSCAN1996Ester, M., Kriegel, H.-P., Sander, J. & Xu, X. 제안
One-Class SVM1999–2001Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C. 제안
주성분 분석2002Jolliffe, I.T. (textbook); Pearson & Hotelling (origins) 제안
오토인코더 이상 탐지2006–2014Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s 제안
Isolation Forest2008Liu, F.T., Ting, K.M. & Zhou, Z.-H. 제안

이 서가의 모든 방법 보기 ↓

모든 방법 61

능동 학습 연관 규칙 능동 학습 오토인코더 이상 탐지 능동 학습 Isolation Forest 어피니티 전파 군집화 Apriori 알고리즘 연관 규칙 마이닝(Apriori)연관 규칙 오토인코더 이상 탐지 BIRCH DBSCAN ECLAT 빈발 항목 집합 마이닝 앙상블 아프리오리 알고리즘 앙상블 연관 규칙 앙상블 오토인코더 이상 탐지 앙상블 HDBSCAN 앙상블 아이솔레이션 포레스트 앙상블 K-평균 퍼지 C-평균 군집화 (FCM)가우시안 혼합 모형 HDBSCAN 계층적 군집화 Isolation Forest K-means 군집화 K-평균 군집화 Kernel PCA 지역 이상치 계수 (Local Outlier Factor, LOF)국소 선형 임베딩 (LLE)Mean Shift One-Class SVM 온라인 연관 규칙 온라인 오토인코더 이상 탐지 Online DBSCAN Online HDBSCAN 온라인 아이솔레이션 포레스트 (Online Isolation Forest)온라인 K-평균 광학 주성분 분석 주성분 회귀 (Principal Components Regression, PCR)Random Projection 정규화된 가우시안 혼합 모델 정규화 K-평균 군집화 강건한 오토인코더 이상 탐지 Robust HDBSCAN 강건한 Isolation Forest 로버스트 k-평균 자기 조직화 지도 (코호넨 지도)자가 지도 오토인코더 이상 탐지 자기 지도 학습 기반 DBSCAN 자가 지도 가우시안 혼합 모형 Self-supervised Isolation Forest 자기 지도 K-평균 준지도식 Apriori 알고리즘 준지도 연관 규칙 준지도 오토인코더 이상 탐지 준지도학습 DBSCAN 준지도 HDBSCAN Semi-supervised Isolation Forest 준지도 학습 K-평균 (Semi-supervised K-means)스펙트럼 군집화 t-SNE UMAP