BIRCH — Balanced Iterative Reducing and Clustering using Hierarchies
BIRCH er en skalerbar, inkrementell klyngealgoritme introdusert av Zhang, Ramakrishnan og Livny i 1996. Den er designet for å klynge svært store datasett – potensielt større enn tilgjengelig minne – i én enkelt gjennomgang, ved å komprimere dataene til en kompakt minneintern sammendragsstruktur kalt et CF-tre (Clustering Feature tree) før en standard klyngeprosedyre anvendes.
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
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Slik siterer du denne siden
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/no/machine-learning/birch
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
- K-means klyngeanalyseMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →