Ensemble HDBSCAN
Ensemble HDBSCAN veic HDBSCAN vairākkārtēju izpildi ar atšķirīgiem hiperparametru iestatījumiem vai datu apakšparaugiem un apvieno iegūtās partīcijas vienā stabilā konsensa klasterizācijā. Tā kā HDBSCAN ir jutīgs pret minimālā klastera izmēra un minimālā paraugu skaita parametriem, vairāku izpildes reizu apvienošana ievērojami samazina jutīgumu pret jebkuru atsevišķu konfigurāciju un nodrošina reproducējamākus klasteru piešķīrumus uz trokšņainiem, augstdimensiju datiem.
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
- 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 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/lv/machine-learning/ensemble-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.
- Ensemble K-meansMašīnmācīšanās↔ compare
- HDBSCANMašīnmācīšanās↔ compare
- K-means klasterizācijaMašīnmācīšanās↔ compare
- Daļēji uzraudzīta HDBSCANMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →