Klasterovanje propagacijom afiniteta
Propagacija afiniteta, koju su uveli Brendan Frey i Delbert Dueck 2007. godine, algoritam je za klasterovanje koji identifikuje reprezentativne „egzemplare“ među podacima razmenom poruka između svakog para tačaka dok se ne pojavi konzistentan skup klastera. Za razliku od k-means algoritma, ne zahteva da se broj klastera unapred specificira — taj broj proizilazi iz podataka i parametra „preferencije“ — i radi direktno sa parnim sličnostima, koje ne moraju biti metrika.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/sr/machine-learning/affinity-propagation
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.
- DBSCANMašinsko učenje↔ compare
- Hijerarhijsko grupisanjeMašinsko učenje↔ compare
- K-Means klasterovanjeMašinsko učenje↔ compare
- Спектрално груписањеMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →