อัลกอริทึม K-means แบบกึ่งมีผู้สอน
Semi-supervised K-means เป็นการขยายผลจาก K-means แบบมาตรฐาน โดยการผนวกการกำกับดูแลบางส่วนเข้าไปด้วย ซึ่งอาจอยู่ในรูปของชุดข้อมูลตัวอย่างที่มีป้ายกำกับจำนวนน้อย หรือข้อจำกัดแบบคู่ (must-link และ cannot-link) เพื่อชี้นำการก่อตัวของคลัสเตอร์ วิธีนี้เป็นการเชื่อมโยงระหว่างการจัดกลุ่มแบบไม่มีผู้สอน (unsupervised clustering) และการจำแนกประเภทแบบมีผู้สอนเต็มรูปแบบ (fully supervised classification) ทำให้สามารถสร้างคลัสเตอร์ที่มีความหมายมากขึ้นเมื่อข้อมูลที่มีป้ายกำกับมีจำกัด แต่มีค่าใช้จ่ายสูงในการได้มาซึ่งข้อมูลทั้งหมด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584. link ↗
- Basu, S., Banerjee, A., & Mooney, R. J. (2002). Semi-supervised Clustering by Seeding. In Proceedings of the 19th International Conference on Machine Learning (ICML 2002), pp. 27–34. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised K-means Clustering. ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-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.
- Active Learningการเรียนรู้ของเครื่อง↔ compare
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- Spectral Clusteringการเรียนรู้ของเครื่อง↔ compare