Спектральне кластеризація
Спектральне кластеризація — це алгоритм некерованого навчання на основі графів, формалізований Ng, Jordan та Weiss у 2002 році, який відображає точки даних у низьковимірний власний простір, отриманий з лапласіана графа подібності, перед застосуванням k-середніх. Це спектральне вкладення дозволяє відновити кластери довільної форми — кільця, півмісяці, переплетені спіралі — які методи, що базуються на евклідовій відстані, послідовно не можуть розділити.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
+ще 5
Джерела
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/uk/machine-learning/spectral-clustering
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- DBSCANМашинне навчання↔ порівняти
- Ієрархічна кластеризаціяМашинне навчання↔ порівняти
- Кластеризація методом k-середніхМашинне навчання↔ порівняти
- Метод головних компонентМашинне навчання↔ порівняти
- t-SNEМашинне навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →