K-średnie z regularyzacją
K-średnie z regularyzacją rozszerza standardową metodę k-średnich o dodanie członu kary — najczęściej ograniczenia L1 (typu lasso) lub L2 — do funkcji celu. Zniechęca to do degeneracji rozwiązań klastrowych, a w wariancie rzadkim (sparse) wprowadzanym przez Wittena i Tibshirani (2010), jednocześnie wybiera cechy napędzające separację klastrów, co czyni tę metodę szczególnie cenną w ustawieniach wysokowymiarowych, gdzie wiele cech jest nieistotnych.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/pl/machine-learning/regularized-k-means
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.
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- Regularyzowany model mieszaniny GaussaUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →