Hierarhiskā klasterizācija
Hierarhiskā klasterizācija ir neuzraudzīta metode, kas grupē novērojumus ligzdotos klasteros un attēlo rezultātu dendrogrammas veidā, tādējādi klasteru skaits nav jānosaka iepriekš. Tās aglomeratīvā forma balstās uz mērķa funkcijas grupēšanas kritēriju, ko 1963. gadā ieviesa Džo Vards (Joe Ward).
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Avoti
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/lv/machine-learning/hierarchical-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.
- DBSCANMašīnmācīšanās↔ compare
- Faktoru analīzePētniecības statistika↔ compare
- Gausa sadalījuma maisījuma modelisMašīnmācīšanās↔ compare
- Primārā komponentu analīzeMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →