Robust k-means
Robust k-means ialah varian k-means klasik yang direka untuk menahan pengaruh pencilan. Dengan memangkas sebahagian yang ditetapkan bagi pemerhatian paling ekstrem sebelum mengira pusat kelompok, ia menghasilkan partisyen yang stabil dan bermakna walaupun data mengandungi hingar, pencemaran, atau taburan ekor berat — situasi di mana k-means standard gagal.
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
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/ms/machine-learning/robust-k-means
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
- Pencapanian HierarkisPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
- Pengelompokan SpektralPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →