Klasterēšana un dimensiju samazināšana

61 metodes šajā saimē.

Izceltās

Aktīvās apguves asociācijas likumiActive 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 Aktīvās mācīšanās autoenkodera anomāliju noteikšanaActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error ins Aktīvās mācīšanās izolācijas mežsActive 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 Afinitātes propagācijas klasterēšanaAffinity 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 algoritmsThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It Asociatīvo likumu ieguve (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

Lasīšanas ceļš

Šīs tēmas visbiežāk citētās pamatmetodes to izstrādes secībā — vieta, kur sākt, ja esat šeit iesācējs.

Hierarhiskā klasterizācija1963autors: Ward, J. H.
K-means klasterizācija1967 (formalized 1982)autors: MacQueen, J. B.; Lloyd, S. P.
K-Means klasterizācija1967autors: MacQueen, J.
DBSCAN1996autors: Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
Vienas klases SVM1999–2001autors: Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
Primārā komponentu analīze2002autors: Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
Autoencoder anomāliju noteikšana2006–2014autors: Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
Isolation Forest2008autors: Liu, F.T., Ting, K.M. & Zhou, Z.-H.

visas metodes šajā plauktā ↓

Visas metodes 61

Aktīvās apguves asociācijas likumi Aktīvās mācīšanās autoenkodera anomāliju noteikšana Aktīvās mācīšanās izolācijas mežs Afinitātes propagācijas klasterēšana Apriori algoritms Asociatīvo likumu ieguve (Apriori)Asociācijas likumi Autoencoder anomāliju noteikšana BIRCH DBSCAN ECLAT bieži sastopamu kopu ieguve Algoritms Ensemble Apriori Ensemble Association Rules Ensemble Autoencoder Anomaly Detection Ensemble HDBSCAN Ansambļa izolācijas mežs Ensemble K-means Fuzzy C-Means Clustering (FCM)Gausa sadalījuma maisījuma modelis HDBSCAN Hierarhiskā klasterizācija Isolation Forest K-means klasterizācija K-Means klasterizācija Kodola PCA Lokālā novirzes faktors (LOF)Lokāli lineārā iegulšana (LLE)Vidējā nobīde Vienas klases SVM Tiešsaistes asociāciju likumu atrašana Tiešsaistes autoenkodera anomāliju noteikšana Tiešsaistes DBSCAN Tiešsaistes HDBSCAN Tiešsaistes izolācijas mežs (Online Isolation Forest)Tiešsaistes K-means OPTICS Primārā komponentu analīze Regresija ar galvenajiem komponentiem (PCR)Gadījuma projekcija Regularizēts Gausa jaukto modeļu modelis K-Means klasterizācijas regularizācija Robustā autoenkodera anomāliju noteikšana Robustais HDBSCAN Robustais izolācijas mežs Robust k-means Pašorganizējošā karte (Kohonena karte)Pašuzraudzītā autoenkodera anomāliju noteikšana Pašuzraudzītā DBSCAN Pašuzraudzības Gausu maisījuma modelis Pašuzraudzības izolācijas mežs Pašuzraudzīta K-means Daļēji uzraudzīts Apriori algoritms Pusuzraudzīti asociācijas likumi Daļēji uzraudzīts autoenkoders anomaliju noteikšanai DBSCAN ar daļēju uzraudzību Daļēji uzraudzīta HDBSCAN Pusuzraudzītā izolācijas meža metode (Semi-supervised Isolation Forest)Daļēji uzraudzīti K-vidējie Spektrālā klasterizācija t-SNE UMAP