Machine learningMachine learning
Ensemble K-means
Ensemble K-means ทำการจัดกลุ่มแบบ K-means หลายครั้งภายใต้การเริ่มต้นที่หลากหลาย, ค่าเริ่มต้นสุ่ม (random seeds) หรือชุดย่อยของคุณลักษณะ จากนั้นจึงรวมผลการแบ่งกลุ่มที่ได้เข้าเป็นการกำหนดกลุ่มที่เป็นเอกฉันท์เพียงหนึ่งเดียว วิธีการนี้ช่วยลดความอ่อนไหวที่ทราบกันดีของ K-means ต่อการเริ่มต้น และสร้างกลุ่มที่มีความเสถียรและทำซ้ำได้มากกว่าการทำงานเพียงครั้งเดียว
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/th/machine-learning/ensemble-k-means
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.
- แบบจำลองเกาส์เซียนผสมแบบรวม (Ensemble Gaussian Mixture Model)การเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- อัลกอริทึม K-means แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare