k-means robust
k-means robust este o variantă a algoritmului clasic k-means, concepută pentru a rezista influenței valorilor aberante (outliers). Prin eliminarea unei fracțiuni specificate din cele mai extreme observații înainte de calcularea centrelor clusterelor, acesta produce partiții stabile și semnificative chiar și atunci când datele conțin zgomot, contaminare sau distribuții cu cozi grele — situații în care k-means standard eșuează.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/ro/machine-learning/robust-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.
- DBSCANÎnvățare automată↔ compare
- Clustering IerarhicÎnvățare automată↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- Clustering SpectralÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →