Robust k-means
Robust k-means เป็นรูปแบบหนึ่งของ k-means แบบดั้งเดิมที่ออกแบบมาเพื่อทนทานต่ออิทธิพลของค่าผิดปกติ (outliers) โดยการตัดส่วนข้อมูลที่มีค่าสุดขั้วออกไปตามสัดส่วนที่กำหนดไว้ล่วงหน้าก่อนที่จะคำนวณจุดศูนย์กลางของกลุ่ม (cluster centers) วิธีนี้จะให้ผลการแบ่งกลุ่มที่เสถียรและมีความหมาย แม้ในขณะที่ข้อมูลมีสัญญาณรบกวน (noise) การปนเปื้อน (contamination) หรือมีการกระจายตัวแบบหางหนา (heavy-tailed distributions) ซึ่งเป็นสถานการณ์ที่ k-means มาตรฐานอาจให้ผลลัพธ์ที่ผิดพลาด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Garcia-Escudero, L. A., & Gordaliza, A. (1999). Robustness properties of k-means and trimmed k-means. Journal of the American Statistical Association, 94(447), 956–969. DOI: 10.2307/2670010 ↗
- Garcia-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust k-means Clustering. ScholarGate. https://scholargate.app/th/machine-learning/robust-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.
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบลำดับชั้นการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- Spectral Clusteringการเรียนรู้ของเครื่อง↔ compare