K-Means-Clustering
K-Means-Clustering ist ein zentroidbasierter partitionierender Clustering-Algorithmus, der auf J. MacQueen im Jahr 1967 zurückgeht und Daten in k Cluster aufteilt, indem jede Beobachtung ihrem nächsten Clusterzentrum zugeordnet wird. Er wird häufig für Marketingsegmentierung, Kundengruppierung und explorative Analysen verwendet.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/de/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.
- Hierarchische ClusteranalyseMaschinelles Lernen↔ compare
- Lineare Diskriminanzanalyse (LDAStatistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →