Machine learning
BIRCH — 계층 구조를 이용한 균형 반복 축소 및 클러스터링
BIRCH는 1996년 Zhang, Ramakrishnan, Livny가 소개한 확장 가능하고 점진적인 클러스터링 알고리즘입니다. 이 알고리즘은 매우 큰 데이터셋(사용 가능한 메모리보다 클 수 있는)을 단일 패스로 클러스터링하도록 설계되었으며, 표준 클러스터링 절차를 적용하기 전에 데이터를 CF-트리(Clustering Feature tree)라고 불리는 압축된 인메모리 요약 구조로 압축합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
이 페이지 인용 방법
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/ko/machine-learning/birch
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 →