Robust k-means
Robust k-means er en variant av klassisk k-means-klynging designet for å motstå innflytelsen fra uteliggere. Ved å trimme en spesifisert brøkdel av de mest ekstreme observasjonene før beregning av klyngesentre, produserer den stabile og meningsfulle partisjoner selv når dataene inneholder støy, kontaminering eller tung-hale fordelinger – situasjoner der standard k-means bryter sammen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/no/machine-learning/robust-k-means
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- DBSCANMaskinlæring↔ sammenlign
- Hierarkisk grupperingMaskinlæring↔ sammenlign
- K-means klyngeanalyseMaskinlæring↔ sammenlign
- Spektral klyngeanalyseMaskinlæring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →