Robusno K-means klasterovanje
Robusno K-means klasterovanje je proširenje klasičnog k-means algoritma koje štiti procene klastera od izobličenja uzrokovanih odstupajućim vrednostima (outliers) ili kontaminiranim opservacijama. Otrimavanjem korisnički definisanog udela najekstremnijih tačaka pre ažuriranja centara klastera, algoritam daje stabilne, smislene particije čak i kada podaci sadrže atipične slučajeve koji bi ozbiljno iskrivili standardni k-means.
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
- Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The 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/statistics/robust-k-means-clustering
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.
- Klaster analizaStatistika↔ compare
- Моделирање мешавинаStatistika↔ compare
- Robusno hijerarhijsko grupisanjeStatistika↔ compare
- Robusno modelovanje mešavinaStatistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →