Machine learning
HDBSCAN
표준 DBSCAN은 단일 전역 밀도 임계값(epsilon)을 요구하며, 군집들이 매우 다른 밀도를 가질 때 실패합니다. 즉, 밀집된 도시 군집과 희소한 농촌 군집은 단일 임계값으로 모두 포착될 수 없습니다. HDBSCAN은 가능한 모든 밀도 임계값 중에서 어떤 그룹화가 가장 긴 범위 동안 지속되는지를 질문함으로써 이를 해결합니다. 이 알고리즘은 높은 밀도에서 낮은 밀도로 군집의 계층 구조를 구축한 다음, 최종 군집으로 가장 지속적인(안정적인) 그룹화를 선택합니다. 안정적인 군집에 전혀 속하지 않는 점들은 노이즈로 표시됩니다. 그 결과 원칙에 기반하고 파라미터가 적은 방법론으로, 다중 밀도 데이터셋을 자연스럽게 처리합니다.
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.
+2 more
출처
- Campello, R. J. G. B., Moulavi, D., & Sander, J. (2013). Density-Based Clustering Based on Hierarchical Density Estimates. In J. Pei et al. (Eds.), Advances in Knowledge Discovery and Data Mining. PAKDD 2013. Lecture Notes in Computer Science, vol. 7819 (pp. 160–172). Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-642-37456-2_14 ↗
- Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), Article 5. DOI: 10.1145/2733381 ↗
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ko/machine-learning/hdbscan
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 →