Ομαδοποίηση K-means
Ο K-means είναι ένας κλασικός μη επιβλεπόμενος αλγόριθμος διαμερισματικής ομαδοποίησης που διαιρεί ένα σύνολο δεδομένων σε K μη επικαλυπτόμενες ομάδες, αναθέτοντας επαναληπτικά κάθε παρατήρηση στο πλησιέστερο κέντρο βάρους της και ενημερώνοντας τα κέντρα βάρους ως τον μέσο όρο των σημείων που τους έχουν ανατεθεί. Είναι ένα από τα πιο ευρέως χρησιμοποιούμενα διερευνητικά εργαλεία στη μηχανική μάθηση και την ανάλυση δεδομένων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/el/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.
- DBSCANΜηχανική Μάθηση↔ compare
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
- Ανάλυση Κύριων ΣυνιστωσώνΜηχανική Μάθηση↔ compare
- t-SNEΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →