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.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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.
- DBSCANUczenie maszynowe↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Klasteryzacja K-średnichUczenie maszynowe↔ compare
- Klastrowanie spektralneUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →