Affinitás-terjedési klaszterezés a semmiből
Egy olyan típusú klaszterező algoritmust használunk, ahol a teljes adatot egy hálózatnak tekintjük, ahol minden egyes adatpont egy csomópont a hálózatban.
A teljes algoritmus azon alapul, hogy iteratív módon megtaláljuk, hogy egy pont mennyire alkalmas arra, hogy egy másik pont reprezentánsa legyen (azaz, mennyire alkalmas egy adott pont arra, hogy egy másik pont példaképe legyen azáltal, hogy információt nyerünk más leendő képviselőkről az adatokban), és a többi pontból nyert támogatás alapján ellenőrizzük, hogy egy pont alkalmas-e arra, hogy megtalálja a saját képviselőjét
A módszert az alapoktól fogjuk tárgyalni, és az alább ismertetésre kerülő kódhoz az algoritmus és a cikkben megadott adatok alapján elkészítjük az affinitás-szaporítás saját implementációját
Github Repository :- https://github.com/Darkprogrammerpb/DeepLearningProjects/tree/master/Project38/Affinity%20Propagation
- Clustering by Passing Messages Between Data Points
- Affinity Propagation:- A clustering algorithm for computer assisted business simulations and experiential exercises
- Sklearn dokumentáció és forrás