Odporne grupowanie hierarchiczne
Odporne grupowanie hierarchiczne rozszerza klasyczne aglomeracyjne lub podziałowe grupowanie hierarchiczne, zastępując wrażliwe miary odległości i kryteria łączenia alternatywami odpornymi na obserwacje odstające, co pozwala zachować strukturę klastrów nawet wtedy, gdy dane zawierają obserwacje anomalne lub rozkłady z grubymi ogonami.
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
- Kaufman, L. & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley. ISBN: 978-0471878766
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2–3), 89–109. DOI: 10.1007/s11634-010-0064-5 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Hierarchical Clustering. ScholarGate. https://scholargate.app/pl/statistics/robust-hierarchical-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.
- Analiza skupieńStatystyka↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Modelowanie mieszaninStatystyka↔ compare
- Skalowanie wielowymiarowe (MDS)Statystyka↔ compare
- Robust K-means ClusteringStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →