Спектральная кластеризация
Спектральная кластеризация — это основанный на графах алгоритм обучения без учителя, формализованный Ng, Jordan и Weiss в 2002 году, который отображает точки данных в низкоразмерное собственное пространство, полученное из лапласиана графа сходства, перед применением k-средних. Эта спектральная эмбеддинг позволяет восстанавливать кластеры произвольной формы — кольца, полумесяцы, переплетенные спирали — которые методы, основанные на евклидовом расстоянии, последовательно не могут разделить.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Источники
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ru/machine-learning/spectral-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.
- DBSCANМашинное обучение↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- t-SNEМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →