K-mediaani menetelmä

-mediaanimenetelmä $k$ [1] [2] on muunnelma tilastoissa ja koneoppimisessa klusterointiongelmiin käytetystä -keskiarvot -menetelmästä , jossa klusterin keskipisteen määrittämiseksi lasketaan mediaani keskiarvon sijaan . Tämä lähestymistapa vastaa virheen minimoimista kaikissa klustereissa 1 - normin metriikassa standardinmukaisessa menetelmässä käytetyn 2- normin metriikan sijaan . $k$ $k$

-mediaanien määrittämisen tehtävänä on löytää sellaiset keskukset, että niiden muodostamat klusterit ovat kaikkein "tiiviimpiä". Muodollisesti annetuilla datapisteillä keskukset tulisi valita siten, että etäisyyksien summa kustakin lähimpään minimoidaan . $k$ $k$ $x_{i}$ $k$ ${\displaystyle c_{j))$ $x_{i}$ ${\displaystyle c_{j))$

Menetelmä toimii joskus paremmin kuin -means-menetelmä, jossa etäisyyksien neliösumma on minimoitu. Kuljetusongelmissa käytetään laajasti etäisyyksien summakriteeriä [ 3] . $k$

Toinen vaihtoehto on -medoids- menetelmä , jossa etsitään optimaalista medoidia , ei klusterin mediaania (medoidi on yksi datapisteistä, kun taas mediaanien ei tarvitse olla).

Linkit

↑ A. K. Jain ja R. C. Dubes, Algorithms for Clustering Data: Prentice-Hall, 1981.
↑ PS Bradley, OL Mangasarian ja WN Street, "Clustering via Concave Minimization", julkaisussa Advances in Neural Information Processing Systems, voi. 9, MC Mozer, MI Jordan ja T. Petsche, toim. Cambridge, MA: MIT Press, 1997, s. 368-374.
↑ Arkistoitu kopio . Haettu 24. lokakuuta 2010. Arkistoitu alkuperäisestä 3. huhtikuuta 2022. (määrätön)

Tarkoittaa
Matematiikka	Tehon keskiarvo ( painotettu ) harmoninen keskiarvo painotettu geometrinen keskiarvo painotettu Keskiverto painotettu juuri tarkoittaa neliötä Keskimääräinen kuutio liukuva keskiarvo Aritmeettis-geometrinen keskiarvo Toiminto Keskiarvo Kolmogorov tarkoittaa
Geometria	geometrinen keskusta Barycenter
Todennäköisyysteoria ja matemaattinen tilasto	Winsorized keskiarvo näytteen keskiarvo Odotettu arvo Mediaani Muoti keskihajonta Katkaistu keskiarvo Ehdollinen odotus
Tietotekniikka	Medoid k-mediaani menetelmä
Lauseet	Ensimmäinen keskiarvolause Toinen keskiarvolause Aritmeettisen, geometrisen ja harmonisen keskiarvon epäyhtälö
Muut	Jakelukeskuksen mittarit

Koneoppiminen ja tiedon louhinta
Tehtävät	Luokittelu ongelma Oppiminen ilman opettajaa Opettajan avustama oppiminen Taantumisanalyysi AutoML Yhdistyksen säännöt Ominaisuuksien erottaminen Ominaisuuksien koulutus Ranking koulutus Kieliopillinen johtaminen Verkko-oppiminen
Opettajan kanssa oppimista	k-lähimmän naapurin menetelmä Naiivi Bayesin luokitin päätöspuu Tuki vektorikonetta Lineaarinen regressio Logistinen regressio perceptron Mallien kokoonpanot Pussittaminen tehostaa satunnainen metsä Asiaankuuluva vektorimenetelmä
ryhmäanalyysi	k-keinomenetelmä Sumea klusterointimenetelmä Hierarkkinen klusterointi EM-algoritmi KOIVU PARANTAA DBSCAN OPTIIKKA Keskimääräinen siirto
Mittasuhteiden vähentäminen	Tekijäanalyysi Pääkomponenttimenetelmä CCA ICA LDA Ei-negatiivinen matriisin laajennus t-SNE
Rakenteellinen ennustaminen	Graafinen todennäköisyysmalli Bayesin verkko Piilotettu Markovin malli CRF
Anomalian havaitseminen	k-lähimmän naapurin menetelmä Paikallinen päästötaso
Piirrä todennäköisyysmallit	Bayesin verkko Markovin verkko Piilotettu Markovin malli
Neuroverkot	Rajoitettu Boltzmann-kone itseorganisoituva kartta Aktivointitoiminto Sigmoidi softmax Radiaalinen kantafunktio Takaisin lisäysmenetelmä Syväoppiminen Monikerroksinen perceptroni Toistuva neuroverkko pitkä lyhytaikainen muisti Hallittu toistuva esto Konvoluutiohermoverkko U-verkko Autoenkooderi
Vahvistusoppiminen	Markovin prosessi Bellmanin yhtälö Ahne algoritmi Q-oppiminen SARSA Aikaero (TD)
Teoria	Vapnik-Chervonenkis teoria Bias-dispersion dilemma Laskennallinen oppimisteoria Empiirinen riskin minimointi Occam oppii PAC-oppiminen Tilastollinen oppimisteoria
Lehdet ja konferenssit	NeurIPS ICML ML JMLR ArXiv:cs.LG