K-means клъстеризация
K-means е класически ненадзорен алгоритъм за дялова клъстеризация, който разделя набор от данни на K не-припокриващи се групи чрез итеративно присвояване на всяко наблюдение към най-близкия му центроид и актуализиране на центроидите като средната стойност на техните присвоени точки. Той е един от най-широко използваните инструменти за изследване в машинното обучение и анализа на данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Източници
- Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137. DOI: 10.1109/TIT.1982.1056489 ↗
- MacQueen, J. B. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/bg/machine-learning/k-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DBSCANМашинно обучение↔ compare
- Йерархично групиранеМашинно обучение↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- t-SNEМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →