Regulované zhlukovanie K-means
Regulované k-means rozširuje štandardné k-means pridaním penalizačného člena — najčastejšie L1 (typu lasso) alebo L2 obmedzenia — k účelovej funkcii. Toto odrádza degenerované riešenia zhlukov a v riedkej (sparse) varijante, ktorú predstavili Witten a Tibshirani (2010), súčasne vyberá príznaky (features), ktoré spôsobujú separáciu zhlukov, čo ho robí obzvlášť cenným vo vysokodimenzionálnych prostrediach, kde je mnoho príznakov irelevantných.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/sk/machine-learning/regularized-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.
- Zhlukovanie K-meansStrojové učenie↔ compare
- Regularizovaný Gaussovský model zmesíStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →