Klastrowanie spektralne
Klastrowanie spektralne to algorytm uczenia nienadzorowanego oparty na grafach, sformalizowany przez Ng, Jordana i Weissa w 2002 roku, który mapuje punkty danych do niskowymiarowej przestrzeni własnej pochodzącej z laplasjanu grafu podobieństwa przed zastosowaniem k-średnich. To osadzenie spektralne umożliwia odzyskanie klastrów o dowolnym kształcie — pierścieni, półksiężyców, przeplatających się spirali — których metody oparte na odległości euklidesowej konsekwentnie nie potrafią rozdzielić.
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.
+5 more
Źródła
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/pl/machine-learning/spectral-clustering
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
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- Analiza Głównych SkładowychUczenie maszynowe↔ compare
- t-SNEUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →