Robust hierarkisk klustring
Robust hierarkisk klustring utökar klassisk agglomerativ eller divisiv hierarkisk klustring genom att ersätta känsliga avståndsmått och kopplingskriterier med alternativ som är resistenta mot extremvärden, vilket bevarar klusterstrukturen även när data innehåller avvikande observationer eller fördelningar med tjocka svansar.
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
- Kaufman, L. & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley. ISBN: 978-0471878766
- Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2–3), 89–109. DOI: 10.1007/s11634-010-0064-5 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Hierarchical Clustering. ScholarGate. https://scholargate.app/sv/statistics/robust-hierarchical-clustering
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.
- KlusteranalysStatistik↔ jämför
- Hierarkisk klustringMaskininlärning↔ jämför
- Mixture ModelingStatistik↔ jämför
- Multidimensionell skalning (MDS)Statistik↔ jämför
- Robust K-means-klustringStatistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →