การจัดกลุ่มแบบ K-means ที่ทนทาน
การจัดกลุ่มแบบ K-means ที่ทนทาน (Robust K-means) เป็นส่วนขยายของการจัดกลุ่มแบบ K-means แบบดั้งเดิมที่ช่วยปกป้องการประมาณค่ากลุ่มจากการบิดเบือนที่เกิดจากค่าผิดปกติ (outliers) หรือการสังเกตที่ปนเปื้อน โดยการตัดส่วนข้อมูลที่เป็นค่าสุดขั้วตามสัดส่วนที่ผู้ใช้กำหนดออกไปก่อนที่จะปรับปรุงศูนย์กลางกลุ่ม อัลกอริทึมนี้ให้ผลลัพธ์การแบ่งกลุ่มที่เสถียรและมีความหมาย แม้ว่าข้อมูลจะมีกรณีที่ผิดปกติซึ่งอาจทำให้ K-means แบบมาตรฐานเกิดความเอนเอียงอย่างรุนแรงก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The 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/statistics/robust-k-means-clustering
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.
- การวิเคราะห์กลุ่ม (Cluster Analysis)สถิติศาสตร์↔ compare
- การสร้างแบบจำลองแบบผสม (Mixture Modeling)สถิติศาสตร์↔ compare
- Robust Hierarchical Clusteringสถิติศาสตร์↔ compare
- การสร้างแบบจำลองส่วนผสมที่ทนทานสถิติศาสตร์↔ compare