Agrupació K-means
K-means és un clàssic algorisme de agrupació particional no supervisat que divideix un conjunt de dades en K grups disjunts, assignant iterativament cada observació al seu centroid més proper i actualitzant els centroids com la mitjana dels seus punts assignats. És una de les eines exploratòries més utilitzades en aprenentatge automàtic i anàlisi de dades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/ca/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.
- DBSCANAprenentatge automàtic↔ compare
- Agrupació jeràrquicaAprenentatge automàtic↔ compare
- Anàlisi de Components PrincipalsAprenentatge automàtic↔ compare
- t-SNEAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →