K-Means Clustering
K-Means Clustering er en centroid-baseret partitiv klyngealgoritme, der spores tilbage til J. MacQueen i 1967, som opdeler data i k klynger ved at tildele hver observation til dens nærmeste klyngecentrum. Den anvendes bredt til markedssegmentering, kundegruppering og eksplorativ analyse.
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.
+6 more
Kilder
- MacQueen, J. (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 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/da/machine-learning/k-means-clustering
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.
- Hierarkisk grupperingMaskinlæring↔ compare
- Lineær Diskriminant Analyse (LDAStatistik↔ compare
- Random ForestMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →