Ансамбль K-средних
Ансамбль K-средних многократно запускает кластеризацию K-средних при различных начальных условиях, случайных начальных значениях или подмножествах признаков, затем агрегирует полученные разбиения в единое консенсусное назначение. Этот подход снижает известную чувствительность K-средних к инициализации и дает более стабильные, воспроизводимые кластеры, чем любой отдельный запуск.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/ru/machine-learning/ensemble-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.
- Ансамбль Гауссовых Смесей (Ensemble Gaussian Mixture Model)Машинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Полуавтоматический K-среднихМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →