Кластеризація методом поширення близькості
Поширення близькості (Affinity Propagation), представлене Бренданом Фреєм та Делбертом Дюком у 2007 році, є алгоритмом кластеризації, який ідентифікує репрезентативні «екземпляри» серед даних шляхом обміну повідомленнями між кожною парою точок, доки не виникне узгоджений набір кластерів. На відміну від k-середніх, він не вимагає попереднього задання кількості кластерів — це число виникає з даних та параметра «переваги» — і працює безпосередньо з попарними схожостями, які не обов'язково мають бути метричними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/uk/machine-learning/affinity-propagation
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.
- DBSCANМашинне навчання↔ compare
- Ієрархічна кластеризаціяМашинне навчання↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Спектральне кластеризаціяМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →