Regulariserad K-Means-klustring
Regulariserad k-means utökar standard k-means genom att lägga till en straffterm – oftast en L1- (lasso-typ) eller L2-restriktion – till objektivfunktionen. Detta motverkar degenererade klusterlösningar och, i den sparsamma varianten som introducerades av Witten och Tibshirani (2010), väljer den samtidigt ut de variabler som driver klusterseparation, vilket gör den särskilt värdefull i högdimensionella miljöer där många variabler är irrelevanta.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/sv/machine-learning/regularized-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.
- K-means-klustringMaskininlärning↔ compare
- Regulariserad Gaussisk BlandningsmodellMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →