Clustering methods in machine learning
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Autorzy: | Głuszczak Bartłomiej, Powroźnik Paweł |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2026 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 38 |
| Strony: | 43 - 50 |
| Bazy: | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 26 marca 2026 |
| Abstrakty: | angielski |
| Clustering is a fundamental task in machine learning for discovering hidden structures in unlabelled data. The article reviews key clustering methods, including centroid, density, hierarchy and model-based approaches. Their advantages, limitations and applications are analysed to provide a comprehensive overview of the state of clustering in machine learning. Their effectiveness is compared on the basis of selected metrics to evaluate the outcome of a given clustering. Recent developments and challenges, including scalability and interpretability problems, are also discussed. |
