Machine learning

Klasteryzacja przez propagację powinowactwa

Propagacja powinowactwa (ang. Affinity Propagation), wprowadzona przez Brendana Freya i Delberta Duecka w 2007 roku, to algorytm klasteryzacji, który identyfikuje reprezentatywne „egzemplarze” wśród danych poprzez wymianę komunikatów między każdą parą punktów, aż do wyłonienia spójnego zestawu klastrów. W przeciwieństwie do algorytmu k-średnich, nie wymaga on wcześniejszego określenia liczby klastrów — liczba ta wynika z danych i parametru „preferencji” — i działa bezpośrednio na podstawie podobieństw par, które nie muszą być metryką.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  1. Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800

Jak cytować tę stronę

ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/pl/machine-learning/affinity-propagation

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
ScholarGateAffinity Propagation (Affinity Propagation Clustering). Pobrano 2026-06-15 z https://scholargate.app/pl/machine-learning/affinity-propagation · Zbiór danych: https://doi.org/10.5281/zenodo.20539026