.png){kind=icon}
返回
Ensemble clustering: A practical tutorial
.png){kind=icon}
OA
AI
DOI：10.3758/s13428-026-03158-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
聚类分析是一种探索性分析方法，在心理学、精神病学及相关领域中作为关键工具，用于将异构数据映射为有意义的亚组。尽管传统聚类技术在历史上应用广泛，但其存在稳定性、鲁棒性和泛化性不足的问题。这些问题源于聚类优化问题的固有困难以及算法优化器的随机性。为应对这些挑战，本文展示了利用集成学习技术结合不同算法、模型设定和/或采样子数据集的聚类结果，形成单一、更可靠的聚类解决方案共识的方法。本文详细介绍了集成聚类原理以及基础聚类生成模型和集成方法的变体。更重要的是，提供了现有R库的详细介绍及使用R代码的实践示例，以指导用户实现和优化集成聚类模型。作为实践教程，本文还包含对真实数据的模拟研究，以证明与单次运行聚类模型相比，集成聚类具有显著优势。本文提供的资源将使研究人员能够应用先进的聚类技术，将异构和复杂的心理学数据分解为稳定的亚组。
Keyword:
Ensemble clustering
Ensemble learning
Clustering
Cluster analysis
Machine learning
Unsupervised learning
期刊
IF:
3.9
论文数:
748
被引数:
3.6W
机构
引用论文
Longitudinal trajectory of early functional recovery in patients with first episode psychosis首发精神病患者早期功能恢复的纵向轨迹
OAAI
OAAI分享收藏An overview of clustering methods with guidelines for application in mental health research.png)
PSYCHIATRY RESEARCHOAAI
PSYCHIATRY RESEARCHIF3.9
OAAI分享收藏An Investigation of Psychosis Subgroups With Prognostic Validation and Exploration of Genetic Underpinnings The PsyCourse StudyJAMA PSYCHIATRYOAAI
JAMA PSYCHIATRYIF17.1
OAAI分享收藏Neuroimaging-Based Subgroups in Schizophrenia: A Critical Appraisal of Clustering Studies基于神经影像的精神分裂症亚组：对聚类研究的批判性评估OAAI
OAAI分享收藏
查看更多内容