BIRCH — Сбалансированное итеративное уменьшение и кластеризация с использованием иерархий
BIRCH — это масштабируемый инкрементальный алгоритм кластеризации, представленный Чжаном, Рамакришнаном и Ливни в 1996 году. Он предназначен для кластеризации очень больших наборов данных — потенциально превышающих объем доступной памяти — за один проход, путем сжатия данных в компактную структуру сводки в памяти, называемую CF-деревом (Clustering Feature tree), перед применением любой стандартной процедуры кластеризации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
Как цитировать эту страницу
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/ru/machine-learning/birch
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.
- DBSCANМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →