Phân cụm K-Means Chính quy hóa
Phân cụm K-Means chính quy hóa mở rộng K-Means tiêu chuẩn bằng cách thêm một số hạng phạt — phổ biến nhất là ràng buộc L1 (kiểu lasso) hoặc L2 — vào hàm mục tiêu. Điều này ngăn chặn các giải pháp phân cụm suy biến và, trong biến thể thưa được giới thiệu bởi Witten và Tibshirani (2010), đồng thời chọn các đặc trưng thúc đẩy sự tách biệt của các cụm, làm cho nó đặc biệt có giá trị trong các bối cảnh có số chiều cao, nơi nhiều đặc trưng không liên quan.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized K-Means Clustering. ScholarGate. https://scholargate.app/vi/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.
Compare side by side →Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →