Clustering K-means robust
Clusteringul K-means robust este o extensie a algoritmului clasic k-means, care protejează estimările clusterelor de distorsiuni cauzate de valori aberante (outliers) sau observații contaminate. Prin eliminarea unei fracțiuni specificate de utilizator din cele mai extreme puncte înainte de actualizarea centrelor clusterelor, algoritmul produce partiții stabile și semnificative chiar și atunci când datele conțin cazuri atipice care ar distorsiona puternic algoritmul standard k-means.
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
- Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The 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/statistics/robust-k-means-clustering
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.
- Analiza ClusterStatistică↔ compare
- Modelarea prin amestecuriStatistică↔ compare
- Clustering ierarhic robustStatistică↔ compare
- Modelare robustă de amestecuriStatistică↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →