Ensemble HDBSCAN
Ensemble HDBSCAN ทำการรัน HDBSCAN หลายครั้งภายใต้การตั้งค่าไฮเปอร์พารามิเตอร์ที่แตกต่างกัน หรือการสุ่มตัวอย่างข้อมูลย่อย และรวมพาร์ติชันที่ได้เข้าด้วยกันเป็นคลัสเตอร์ที่เป็นเอกฉันท์ที่เสถียร เนื่องจาก HDBSCAN มีความอ่อนไหวต่อพารามิเตอร์ขนาดคลัสเตอร์ขั้นต่ำ (minimum cluster size) และจำนวนตัวอย่างขั้นต่ำ (minimum samples) การรวมผลการรันหลายครั้งช่วยลดความอ่อนไหวต่อการกำหนดค่าใดค่าหนึ่งได้อย่างมาก และให้ผลลัพธ์การกำหนดคลัสเตอร์ที่สามารถทำซ้ำได้มากขึ้นบนข้อมูลที่มีสัญญาณรบกวนและมีมิติสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Vega-Pons, S., & Ruiz-Shulcloper, J. (2011). A survey of clustering ensemble methods. International Journal of Pattern Recognition and Artificial Intelligence, 25(03), 337–372. DOI: 10.1142/S0218001411008683 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/th/machine-learning/ensemble-hdbscan
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.
- Ensemble K-meansการเรียนรู้ของเครื่อง↔ compare
- HDBSCAN (การจัดกลุ่มตามความหนาแน่นแบบลำดับชั้น)การเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- Semi-supervised HDBSCANการเรียนรู้ของเครื่อง↔ compare