K-means Clustering
K-means er en klassisk uovervåget partitiv klyngealgoritme, der opdeler et datasæt i K ikke-overlappende grupper ved iterativt at tildele hver observation til dens nærmeste centroid og opdatere centroiden som gennemsnittet af dens tildelte punkter. Det er et af de mest anvendte eksplorative værktøjer inden for maskinlæring og dataanalyse.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/da/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.
- DBSCANMaskinlæring↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- Principal Component AnalysisMaskinlæring↔ compare
- t-SNEMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →