Machine learningMachine learning
준지도 학습 K-평균 (Semi-supervised K-means)
준지도 학습 K-평균은 표준 K-평균 군집화에 부분적인 지도 정보 — 소량의 레이블이 지정된 시드 점 또는 쌍별 필수 연결(must-link) 및 불가 연결(cannot-link) 제약 조건 — 를 통합하여 군집 형성을 유도함으로써 이를 확장합니다. 이는 비지도 군집화와 완전 지도 분류를 연결하며, 레이블을 얻는 데 비용이 많이 들지만 부족한 경우 더 의미 있는 군집을 가능하게 합니다.
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
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-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.
- 능동 학습머신러닝↔ compare
- DBSCAN머신러닝↔ compare
- K-means 군집화머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- 스펙트럼 군집화머신러닝↔ compare