Armbågsmetoden
Armbågsmetoden är en heuristik för att välja det optimala antalet kluster i partitionerande klustring. Den introducerades av Robert Thorndike år 1953 och innebär att man anpassar klustringsmodeller för ett ökande antal kluster och plottar den inomklusterkvadratiska summan (WCSS) mot antalet kluster. 'Armbågen' uppstår där minskningstakten för WCSS ändras markant, vilket indikerar ett optimalt klusterantal.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/sv/model-evaluation/elbow-method
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Calinski-Harabasz-indexenModellutvärdering↔ jämför
- Davies-Bouldin IndexModellutvärdering↔ jämför
- Gap-statistikModellutvärdering↔ jämför
- TröghetModellutvärdering↔ jämför
- SilhouettescoreModellutvärdering↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →