خوشهبندی K-Means
خوشهبندی K-Means یک الگوریتم خوشهبندی تقسیمی مبتنی بر مرکز (centroid-based) است که ریشه آن به J. MacQueen در سال ۱۹۶۷ بازمیگردد و دادهها را به k خوشه تقسیم میکند، با تخصیص هر مشاهده به نزدیکترین مرکز خوشه. این روش به طور گسترده برای بخشبندی بازاریابی، گروهبندی مشتریان و تحلیل اکتشافی استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/fa/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.
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ compare
- تحلیل تبعیضی خطی (LDAآمار↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →