Полуавтоматический K-средних
Полуавтоматический K-средних расширяет стандартный алгоритм K-средних, включая частичный надзор — либо небольшой набор размеченных начальных точек, либо парные ограничения «должны быть вместе» (must-link) и «не должны быть вместе» (cannot-link) — для управления формированием кластеров. Он служит промежуточным звеном между неконтролируемым кластеризацией и полностью контролируемой классификацией, позволяя получать более осмысленные кластеры, когда метки редки, но их получение в полном объеме дорого.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/ru/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.
- Активное обучениеМашинное обучение↔ compare
- DBSCANМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Спектральная кластеризацияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →