Hiërarchische clustering
Hiërarchische clustering is een onbewaakte methode die observaties groepeert in geneste clusters en het resultaat weergeeft als een dendrogram, zodat het aantal clusters niet van tevoren vastgesteld hoeft te worden. De agglomeratieve vorm ervan is gebaseerd op het criterium voor groepering van de objectieve functie, geïntroduceerd door Joe Ward in 1963.
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.
+10 more
Bronnen
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/nl/machine-learning/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.
- DBSCANMachine learning↔ compare
- FactoranalyseOnderzoeksstatistiek↔ compare
- Gaussiaans Mixture ModelMachine learning↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →