K-means semi-supervizat
K-means semi-supervizat extinde clusteringul K-means standard prin încorporarea unei supravegheri parțiale — fie un set mic de puncte de pornire etichetate, fie constrângeri pereche de tipul „trebuie să fie împreună” (must-link) și „nu pot fi împreună” (cannot-link) — pentru a ghida formarea clusterelor. Acesta face legătura între clusteringul nesupervizat și clasificarea complet supervizată, permițând obținerea unor clustere mai semnificative atunci când etichetele sunt rare, dar costisitor de obținut în totalitate.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/ro/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.
- Învățare activăÎnvățare automată↔ compare
- DBSCANÎnvățare automată↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Clustering SpectralÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →