Affinity Propagation-klynging
Affinity propagation, introdusert av Brendan Frey og Delbert Dueck i 2007, er en klyngingsalgoritme som identifiserer representative 'eksemplarer' blant dataene ved å utveksle meldinger mellom hvert par av punkter til et konsistent sett av klynger oppstår. I motsetning til k-means krever den ikke at antall klynger spesifiseres på forhånd – det antallet oppstår fra dataene og en 'preferanse'-parameter – og den opererer direkte fra parvise likheter, som ikke trenger å være en metrikk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/no/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.
- DBSCANMaskinlæring↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- K-Means-klyngingMaskinlæring↔ compare
- Spektral klyngeanalyseMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →