ScholarGate
Assistent
Machine learningMachine learning

Regulert K-Means Klynging

Regulert k-means utvider standard k-means ved å legge til et straffeledd – oftest en L1 (lasso-type) eller L2-begrensning – til målfunksjonen. Dette motvirker degenererte klyngeløsninger og, i den sparse varianten introdusert av Witten og Tibshirani (2010), velger den samtidig trekkene som driver klyngeseparasjon, noe som gjør den spesielt verdifull i høydimensjonale omgivelser der mange trekk er irrelevante.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415
  2. K-means clustering. Wikipedia. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/no/machine-learning/regularized-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.

Compare side by side

Referert av

ScholarGateRegularized k-means (Regularized K-Means Clustering). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/regularized-k-means · Datasett: https://doi.org/10.5281/zenodo.20539026