Hierarkisk klustring
Hierarkisk klustring är en oövervakad metod som grupperar observationer i nästlade kluster och ritar resultatet som ett dendrogram, så att antalet kluster inte behöver vara fastställt i förväg. Dess agglomerativa form bygger på det objektiva funktionskriteriet för gruppering som introducerades av Joe Ward 1963.
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.
+10 more
Källor
- Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: 10.1080/01621459.1963.10500845 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Hierarchical Agglomerative Clustering. ScholarGate. https://scholargate.app/sv/machine-learning/hierarchical-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.
- DBSCANMaskininlärning↔ compare
- Faktoriell analysForskningsstatistik↔ compare
- Gaussisk blandningsmodellMaskininlärning↔ compare
- Analys av huvudkomponenterMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →