Кластеризація K-середніх із регуляризацією
Регуляризовані K-середні розширюють стандартні K-середні шляхом додавання штрафного члена — найчастіше обмеження L1 (типу ласо) або L2 — до цільової функції. Це запобігає дегенеративним розв'язкам кластеризації та, у розрідженому варіанті, представленому Witten та Tibshirani (2010), одночасно вибирає ознаки, що забезпечують розділення кластерів, що робить його особливо цінним у високорозмірних умовах, де багато ознак є нерелевантними.
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
- Witten, D. M., & Tibshirani, R. (2010). A framework for feature selection in clustering. Journal of the American Statistical Association, 105(490), 713–726. DOI: 10.1198/jasa.2010.tm09415 ↗
- K-means clustering. Wikipedia. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/uk/machine-learning/regularized-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.
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Регуляризована Гауссова Суміш МоделейМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →