Ensemble HDBSCAN
Ensemble HDBSCAN voert HDBSCAN meerdere keren uit onder verschillende hyperparameterinstellingen of data-subsamples en combineert de resulterende partities tot een enkele stabiele consensusclustering. Omdat HDBSCAN gevoelig is voor zijn parameters voor minimale clustergrootte en minimale samples, vermindert het poolen van meerdere runs de gevoeligheid voor een enkele configuratie aanzienlijk en levert het reproduceerbaardere cluster-toewijzingen op voor ruisrijke, hoog-dimensionale data.
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
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/nl/machine-learning/ensemble-hdbscan
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.
- Ensemble K-meansMachine learning↔ compare
- HDBSCANMachine learning↔ compare
- K-means ClusteringMachine learning↔ compare
- Semi-supervised HDBSCANMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →