Spektral klyngeanalyse
Spektral klyngeanalyse er en grafbasert, uovervåket læringsalgoritme, formalisert av Ng, Jordan og Weiss i 2002, som mapper datapunkter til et lavdimensjonalt egenrom utledet fra likhetsgrafens Laplacematrise før anvendelse av k-means. Denne spektrale innleiringen gjør det mulig å gjenopprette klynger av vilkårlig form – ringer, halvmåner, sammenflettede spiraler – som euklidiske avstandsbaserte metoder konsekvent unnlater å separere.
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.
+5 more
Kilder
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/no/machine-learning/spectral-clustering
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 klyngeanalyseMaskinlæring↔ compare
- HovedkomponentanalyseMaskinlæring↔ compare
- t-SNEMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →