Elkoņa metode
Elkoņa metode ir heiristiska pieeja optimālā klasteru skaita noteikšanai daļējā klasterizācijā. To 1953. gadā ieviesa Roberts Torndaiks, un tā ietver klasterizācijas modeļu pielāgošanu arvien lielākam klasteru skaitam un klastera iekšējās kvadrātu summas (WCSS) attēlošanu pret klasteru skaitu. "Elkonis" parādās vietā, kur WCSS samazināšanās ātrums strauji mainās, norādot uz optimālu klasteru skaitu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/lv/model-evaluation/elbow-method
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Calinska-Harabaša indekssModeļu novērtēšana↔ salīdzināt
- Deivisa-Boldina indekssModeļu novērtēšana↔ salīdzināt
- Statistiskā atšķirība (Gap Statistic)Modeļu novērtēšana↔ salīdzināt
- InerceModeļu novērtēšana↔ salīdzināt
- Silueta koeficientsModeļu novērtēšana↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →