Ensemble HDBSCAN
Ensemble HDBSCAN spúšťa algoritmus HDBSCAN opakovane pri rôznych nastaveniach hyperparametrov alebo vzorkoch dát a kombinuje výsledné partície do jedného stabilného konsenzuálneho zhlukovania. Keďže HDBSCAN je citlivý na svoje parametre minimálnej veľkosti zhluku (minimum cluster size) a minimálneho počtu vzoriek (minimum samples), združovanie viacerých spustení výrazne redukuje citlivosť na akúkoľvek jednotlivú konfiguráciu a prináša reprodukovateľnejšie priradenia zhlukov na šumových, vysokodimenzionálnych dátach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/sk/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.
- Ensemble K-meansStrojové učenie↔ compare
- HDBSCANStrojové učenie↔ compare
- Zhlukovanie K-meansStrojové učenie↔ compare
- Polo-dohľadové HDBSCANStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →