Affinity Propagation clusteranalyse
Affinity propagation, geïntroduceerd door Brendan Frey en Delbert Dueck in 2007, is een clusteringalgoritme dat representatieve 'exemplaren' binnen de data identificeert door berichten uit te wisselen tussen elk paar punten totdat een consistente set clusters ontstaat. In tegenstelling tot k-means vereist het niet dat het aantal clusters van tevoren wordt gespecificeerd — dat aantal komt voort uit de data en een 'voorkeur'-parameter — en het werkt direct vanuit paarsgewijze similariteiten, die geen metriek hoeven te zijn.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/nl/machine-learning/affinity-propagation
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.
- DBSCANMachine learning↔ compare
- Hiërarchische clusteringMachine learning↔ compare
- K-Means ClusteringMachine learning↔ compare
- Spectrale ClusteringMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →