ScholarGate
ผู้ช่วย

การจัดกลุ่มและการลดมิติ

61 วิธีในตระกูลนี้

แนะนำ

กฎความสัมพันธ์แบบเรียนรู้เชิงรุกActive learning association rules combines the iterative query-and-label loop of active learning with association rule mining, allowing a human expert to guide the discovery procesการเรียนรู้เชิงรุกร่วมกับออโตเอ็นโค้ดเดอร์สำหรับการตรวจจับความผิดปกติActive Learning Autoencoder Anomaly Detection combines an autoencoder's unsupervised reconstruction-error scoring with an active learning query loop. The model flags high-error insActive Learning Isolation ForestActive Learning Isolation Forest combines the unsupervised anomaly-scoring power of Isolation Forest with an iterative query strategy that asks a human expert to label the most infAffinity Propagation ClusteringAffinity propagation, introduced by Brendan Frey and Delbert Dueck in 2007, is a clustering algorithm that identifies representative 'exemplars' among the data by exchanging messagอัลกอริทึม AprioriThe Apriori algorithm, introduced by Agrawal and Srikant in 1994, is the foundational method for discovering frequent itemsets and association rules in transactional databases. It การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieli

เส้นทางการอ่าน

ระเบียบวิธีเชิงรากฐานที่ถูกอ้างอิงมากที่สุดของหัวข้อนี้ เรียงตามลำดับการพัฒนา — จุดเริ่มต้นที่ดีหากท่านเพิ่งเริ่มศึกษา

  1. การจัดกลุ่มแบบลำดับชั้น1963โดย Ward, J. H.
  2. การจัดกลุ่มแบบ K-means1967 (formalized 1982)โดย MacQueen, J. B.; Lloyd, S. P.
  3. การจัดกลุ่มแบบ K-Means1967โดย MacQueen, J.
  4. DBSCAN1996โดย Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
  5. One-class SVM1999–2001โดย Scholkopf, B., Platt, J. C., Smola, A. J., Williamson, R. C.
  6. การวิเคราะห์องค์ประกอบหลัก2002โดย Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
  7. การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์2006–2014โดย Hinton, G. E. & Salakhutdinov, R. R. (autoencoders); applied to anomaly detection through multiple authors in the 2010s
  8. Isolation Forest2008โดย Liu, F.T., Ting, K.M. & Zhou, Z.-H.
ระเบียบวิธีทั้งหมดบนชั้นนี้ ↓

วิธีทั้งหมด 61

กฎความสัมพันธ์แบบเรียนรู้เชิงรุกการเรียนรู้เชิงรุกร่วมกับออโตเอ็นโค้ดเดอร์สำหรับการตรวจจับความผิดปกติActive Learning Isolation ForestAffinity Propagation Clusteringอัลกอริทึม Aprioriการทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)Association Rulesการตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์BIRCHDBSCANการทำเหมืองชุดรายการที่พบบ่อยด้วย ECLATอัลกอริทึม Apriori แบบ Ensembleกฎความสัมพันธ์แบบอองซอมเบิลการตรวจจับความผิดปกติด้วยเอนเซมเบิลออโตเอนโค้ดเดอร์Ensemble HDBSCANEnsemble Isolation ForestEnsemble K-meansFuzzy C-Means Clustering (FCM)แบบจำลองส่วนผสมแบบเกาส์เซียนHDBSCAN (การจัดกลุ่มตามความหนาแน่นแบบลำดับชั้น)การจัดกลุ่มแบบลำดับชั้นIsolation Forestการจัดกลุ่มแบบ K-meansการจัดกลุ่มแบบ K-MeansKernel PCAปัจจัยค่าผิดปกติเฉพาะที่ (Local Outlier Factor: LOF)Locally Linear Embedding (LLE)Mean ShiftOne-class SVMกฎความสัมพันธ์ออนไลน์การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์แบบออนไลน์DBSCAN แบบออนไลน์Online HDBSCANOnline Isolation ForestOnline K-meansออปติกส์การวิเคราะห์องค์ประกอบหลักการถดถอยองค์ประกอบหลัก (Principal Components Regression - PCR)การฉายภาพแบบสุ่ม (Random Projection)Regularized Gaussian Mixture ModelRegularized K-Means Clusteringการตรวจจับความผิดปกติด้วยออโตเอนโค้ดเดอร์แบบทนทานRobust HDBSCANRobust Isolation ForestRobust k-meansแผนที่จัดระเบียบตนเอง (แผนที่โคโอเนน)การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์แบบกำกับตนเองDBSCAN ที่เรียนรู้ด้วยตนเอง (Self-supervised DBSCAN)แบบจำลองเกาส์เซียนมิกซ์เจอร์แบบกำกับตนเองป่ารกแบบกำกับตนเอง (Self-supervised Isolation Forest)Self-supervised K-meansอัลกอริทึม Apriori แบบกึ่งมีผู้สอนการทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอน (Semi-supervised Association Rules)การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์แบบกึ่งมีผู้สอนDBSCAN แบบกึ่งมีผู้สอนSemi-supervised HDBSCANIsolation Forest แบบกึ่งมีผู้สอนอัลกอริทึม K-means แบบกึ่งมีผู้สอนSpectral Clusteringt-SNEUMAP