Ансамбль HDBSCAN
Ансамбль HDBSCAN многократно запускает HDBSCAN при различных настройках гиперпараметров или подвыборках данных и объединяет полученные разбиения в единую стабильную консенсусную кластеризацию. Поскольку HDBSCAN чувствителен к параметрам минимального размера кластера (minimum cluster size) и минимального числа объектов (minimum samples), объединение нескольких запусков значительно снижает чувствительность к любой отдельной конфигурации и обеспечивает более воспроизводимые назначения кластеров для зашумленных, высокоразмерных данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ru/machine-learning/ensemble-hdbscan
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.
- Ансамбль K-среднихМашинное обучение↔ compare
- HDBSCANМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Полуавтоматический HDBSCANМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →