Affinity Propagation-klustring
Affinity propagation, introducerat av Brendan Frey och Delbert Dueck år 2007, är en klustringsalgoritm som identifierar representativa 'exemplar' bland data genom att utbyta meddelanden mellan varje par av punkter tills en konsekvent uppsättning kluster framträder. Till skillnad från k-means kräver den inte att antalet kluster specificeras i förväg – det antalet uppstår från data och en 'preferens'-parameter – och den arbetar direkt från parvisa likheter, vilka inte behöver vara en metrik.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/sv/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.
- DBSCANMaskininlärning↔ compare
- Hierarkisk klustringMaskininlärning↔ compare
- K-Means-klustringMaskininlärning↔ compare
- SpektralklusteranalysMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →