BIRCH — sabalansēta iteratīva samazināšanas un grupēšanas izmantošana hierarhijās
BIRCH ir mērogojams, inkrementāls grupēšanas algoritms, ko 1996. gadā ieviesa Zhang, Ramakrishnan un Livny. Tas ir izstrādāts, lai ļoti lielus datu kopumus — potenciāli lielākus par pieejamo atmiņu — grupētu vienā ciklā, saspiežot datus kompaktā atmiņā esošā kopsavilkuma struktūrā, ko sauc par CF-koku (grupēšanas iezīmju koku), pirms tiek piemērota jebkura standarta grupēšanas procedūra.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/lv/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.
- DBSCANMašīnmācīšanās↔ compare
- K-means klasterizācijaMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →