クラスタリングアルゴリズム

凝集型クラスタリングは、データポイントの近接性に基づいてグループ化する階層的クラスタリング手法です。

セントロイド表現は、さまざまな応用、特に機械学習において、データの中心点による要約手法です。

DBScanは、空間データ内のクラスタを識別する密度に基づくクラスタリングアルゴリズムです。

距離尺度は、与えられた空間内で2つのデータ点がどれだけ離れているかを定量化します。

エルボー法は、データセット内の最適なクラスタ数を決定するための手法です。

Fuzzy C-Means Clustering（ファジーC平均クラスタリング）は、データポイントが複数のクラスタに異なる度合いで属することを許すクラスタリングアルゴリズムです。

階層的凝集クラスタリング（HAC）は、クラスタの階層を構築しようとするクラスタ分析の方法です。

クラスター内距離は、クラスター内の点間の平均距離を測定し、一体性と密度を示します。

K-Meansクラスタリングは、類似性に基づいてデータを異なるクラスタにグループ化するために使用される一般的なアルゴリズムです。

K-Means Plus Plusは、K-Meansクラスタリングの初期化を高度化したアルゴリズムで、収束速度とクラスタリングの質を向上させます。

K-Medoidsクラスタリングは、データセットから代表的なオブジェクトを特定し、点間の距離を最小化するデータクラスタリング手法です。

ローカルアウトライヤーファクター（LOF）は、各データポイントの局所密度偏差を測定することによってデータ内の外れ値を識別します。

Mean Shiftアルゴリズムは、データの密集領域を特定するために、データポイントを平均に向かって反復的に移動させるクラスタリング手法です。

正規化カットは、画像のセグメンテーションやクラスタリングにおいてグラフベースの手法である。