Semi-supervised K-means
Semi-supervised K-means breidt standaard K-means clustering uit door gedeeltelijke supervisie te integreren — hetzij een kleine set gelabelde zaadpunten, hetzij paarsgewijze must-link en cannot-link beperkingen — om clusterformatie te sturen. Het overbrugt niet-gesuperviseerde clustering en volledig gesuperviseerde classificatie, waardoor betekenisvollere clusters mogelijk worden wanneer labels schaars maar kostbaar zijn om volledig te verkrijgen.
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
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/nl/machine-learning/semi-supervised-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.
- Actief LerenMachine learning↔ compare
- DBSCANMachine learning↔ compare
- K-means ClusteringMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Spectrale ClusteringMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →