Robust k-means
Robust k-means je variant klasického k-means zhlukovania navrhnutý tak, aby odolával vplyvu extrémnych hodnôt (outlierov). Orezaním špecifikovanej frakcie najextrémnejších pozorovaní pred výpočtom zhlukových centier produkuje stabilné a zmysluplné delenia, aj keď dáta obsahujú šum, kontamináciu alebo ťažké rozdelenia — situácie, kde štandardný k-means zlyháva.
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
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/sk/machine-learning/robust-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.
- DBSCANStrojové učenie↔ compare
- Hierarchické zhlukovanieStrojové učenie↔ compare
- Zhlukovanie K-meansStrojové učenie↔ compare
- Spektrálne zhlukovanieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →