K-means semi-supervisionado
O K-means semi-supervisionado estende o agrupamento K-means padrão incorporando supervisão parcial — seja um pequeno conjunto de pontos semente rotulados ou restrições par a par de 'deve-lincar' e 'não-pode-lincar' — para guiar a formação dos clusters. Ele faz a ponte entre o agrupamento não supervisionado e a classificação totalmente supervisionada, permitindo clusters mais significativos quando os rótulos são escassos, mas caros de obter em sua totalidade.
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
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/pt/machine-learning/semi-supervised-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.
- Aprendizagem AtivaAprendizado de máquina↔ compare
- DBSCANAprendizado de máquina↔ compare
- Agrupamento K-meansAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Agrupamento EspectralAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →