Robust K-means-klynging
Robust K-means-klynging er en utvidelse av klassisk k-means som beskytter klyngeestimater mot forvrengning forårsaket av uteliggere eller kontaminerte observasjoner. Ved å trimme en brukerdefinert andel av de mest ekstreme punktene før klyngesentrene oppdateres, gir algoritmen stabile, meningsfulle partisjoner selv når dataene inneholder atypiske tilfeller som ville forvrenge standard k-means betydelig.
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
- Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The 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/statistics/robust-k-means-clustering
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.
- KlyngeanalyseStatistikk↔ sammenlign
- BlandingsmodelleringStatistikk↔ sammenlign
- Robust hierarkisk klyngeanalyseStatistikk↔ sammenlign
- Robust blandingmodelleringStatistikk↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →