BIRCH — Pengelompokan Berulang dan Pengelompokan Bertingkat Seimbang Menggunakan Hierarki
BIRCH ialah algoritma pengelompokan berskala, inkremental yang diperkenalkan oleh Zhang, Ramakrishnan, dan Livny pada tahun 1996. Ia direka untuk mengelompokkan set data yang sangat besar — berpotensi lebih besar daripada memori yang ada — dalam satu lintasan, dengan memampatkan data ke dalam struktur ringkasan padat dalam memori yang dipanggil pokok CF (pokok Ciri Pengelompokan) sebelum menggunakan sebarang prosedur pengelompokan standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/ms/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.
- DBSCANPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →