Ensemble HDBSCAN
Ensemble HDBSCAN executa HDBSCAN múltiplas vezes sob diferentes configurações de hiperparâmetros ou subamostras de dados e combina as partições resultantes em um único agrupamento de consenso estável. Como HDBSCAN é sensível aos seus parâmetros de tamanho mínimo de cluster e número mínimo de amostras, agrupar múltiplas execuções reduz significativamente a sensibilidade a qualquer configuração única e produz atribuições de cluster mais reproduzíveis em dados ruidosos e de alta dimensionalidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Como citar esta página
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/pt/machine-learning/ensemble-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.
- K-means em EnsembleAprendizado de máquina↔ compare
- HDBSCANAprendizado de máquina↔ compare
- Agrupamento K-meansAprendizado de máquina↔ compare
- HDBSCAN semi-supervisionadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →