Robust HDBSCAN
Robust HDBSCAN (HDBSCAN*) rozszerza oryginalny algorytm HDBSCAN o solidne ramy pojedynczego powiązania (single-linkage), które bardziej niezawodnie radzą sobie z szumem, wartościami odstającymi i skupieniami o zmiennej gęstości. Wprowadzony przez Campello et al. (2015), przekształca dowolną hierarchię opartą na gęstości w stabilne, płaskie skupienie, jednocześnie jawnie modelując punkty szumu — bez konieczności wstępnego określania liczby skupień przez użytkownika.
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
- Campello, R.J.G.B., Moulavi, D., Zimek, A. & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), 5. DOI: 10.1145/2733381 ↗
- McInnes, L., Healy, J. & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/pl/machine-learning/robust-hdbscan
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
- HDBSCANUczenie maszynowe↔ compare
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- Klastrowanie spektralneUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →