Robusta hierarhiskā klasterēšana
Robustā hierarhiskā klasterēšana paplašina klasisko aglomeratīvo vai divīzisko hierarhisko klasterēšanu, aizstājot jutīgus attāluma mērījumus un saišu kritērijus ar anomālijām noturīgiem alternatīviem, saglabājot klasteru struktūru pat tad, ja dati satur anomālus novērojumus vai smagu astes sadalījumus.
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
- Kaufman, L. & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley. ISBN: 978-0471878766
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2–3), 89–109. DOI: 10.1007/s11634-010-0064-5 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Hierarchical Clustering. ScholarGate. https://scholargate.app/lv/statistics/robust-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.
- Klasteru analīzeStatistika↔ compare
- Hierarhiskā klasterizācijaMašīnmācīšanās↔ compare
- Jaukto sadalījumu modelēšanaStatistika↔ compare
- Multidimensionālā skalēšana (MDS)Statistika↔ compare
- Robust K-means ClusteringStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →