Machine learning

스펙트럼 군집화

스펙트럼 군집화(Spectral Clustering)는 2002년 Ng, Jordan, Weiss가 정립한 그래프 기반의 비지도 학습 알고리즘으로, 유사성 그래프의 라플라시안에서 파생된 저차원 고유공간으로 데이터 포인트를 매핑한 후 k-평균 군집화를 적용합니다. 이러한 스펙트럼 임베딩은 유클리드 거리 기반 방법이 일관되게 분리하지 못하는 임의의 형태(링, 초승달, 얽힌 나선형 등)의 군집을 복구할 수 있게 합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

스펙트럼 군집화

DBSCAN 계층적 군집화 K-means 군집화 주성분 분석 t-SNE 어피니티 전파 군집화 퍼지 C-평균 군집화 (FCM)HDBSCAN 레이블 전파 Mapper Algorithm

+5 more

출처

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 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ko/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.

Compare side by side →

이 방법을 참조하는 항목

어피니티 전파 군집화 퍼지 C-평균 군집화 (FCM)HDBSCAN 레이블 전파 Mapper Algorithm Mean Shift Online HDBSCAN Robust HDBSCAN 로버스트 k-평균 준지도 학습 K-평균 (Semi-supervised K-means)

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →