เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| วิธีข้อศอก× | ดัชนี Calinski-Harabasz× | |
|---|---|---|
| สาขาวิชา | การประเมินแบบจำลอง | การประเมินแบบจำลอง |
| ตระกูล | MCDM | MCDM |
| ปีกำเนิด≠ | 1953 | 1974 |
| ผู้ริเริ่ม≠ | Robert Thorndike | Tadeusz Calinski, Jerzy Harabasz |
| ประเภท≠ | Heuristic optimization criterion | Cluster quality metric |
| แหล่งต้นตำรับ≠ | Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗ | Calinski, T., & Harabasz, J. (1974). A dendrite method for cluster analysis. Communications in Statistics, 3(1), 1-27. DOI ↗ |
| ชื่อเรียกอื่น≠ | elbow analysis, knee detection | variance ratio criterion, pseudo F-statistic, CH index |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | The Elbow Method is a heuristic for selecting the optimal number of clusters in partitional clustering. Introduced by Robert Thorndike in 1953, it involves fitting clustering models for increasing numbers of clusters and plotting the within-cluster sum of squares (WCSS) against the number of clusters. The 'elbow' occurs where the rate of WCSS decrease sharply changes, suggesting an optimal cluster count. | The Calinski-Harabasz Index, also called the Variance Ratio Criterion, was introduced by Calinski and Harabasz in 1974. It is a metric that measures the ratio of between-cluster variance to within-cluster variance, adjusted for the number of clusters and data points. Higher values indicate better-separated, more compact clusters. |
| ScholarGateชุดข้อมูล ↗ |
|
|