K-means-klusterointi
K-means on klassinen ohjaamaton ositusklusterointialgoritmi, joka jakaa aineiston K ei-päällekkäiseen ryhmään iteroimalla kutakin havaintoa lähimpään keskipisteeseen ja päivittämällä keskipisteitä niiden pisteiden keskiarvoina, joihin ne on määritetty. Se on yksi yleisimmin käytetyistä eksploratiivisista työkaluista koneoppimisessa ja data-analyysissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/fi/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.
- DBSCANKoneoppiminen↔ compare
- Hierarkkinen ryvästyminenKoneoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
- t-SNEKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →