Agrupamento K-Means Regularizado
O k-means regularizado estende o k-means padrão adicionando um termo de penalidade — mais comumente uma restrição L1 (tipo lasso) ou L2 — à função objetivo. Isso desencoraja soluções de cluster degeneradas e, na variante esparsa introduzida por Witten e Tibshirani (2010), seleciona simultaneamente as características que impulsionam a separação dos clusters, tornando-o especialmente valioso em cenários de alta dimensionalidade onde muitas características são irrelevantes.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/pt/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.
- Agrupamento K-meansAprendizado de máquina↔ compare
- Modelo de Mistura Gaussiana RegularizadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →