Robust k-means
Robust k-means je varijanta klasičnog k-means klasterovanja dizajnirana da odoli uticaju autlajera. Odbacivanjem specifikovane frakcije najekstremnijih opservacija pre računanja centara klastera, proizvodi stabilne i smislene particije čak i kada podaci sadrže šum, kontaminaciju ili distribucije sa teškim repovima — situacije u kojima se standardni k-means raspada.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/sr/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.
- DBSCANMašinsko učenje↔ compare
- Hijerarhijsko grupisanjeMašinsko učenje↔ compare
- K-means algoritam klasterovanjaMašinsko učenje↔ compare
- Спектрално груписањеMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →