K-means klaszterezés
A K-means egy klasszikus felügyelet nélküli partíciós klaszterező algoritmus, amely egy adathalmazt K átfedésmentes csoportra oszt azáltal, hogy iteratívan hozzárendeli az egyes megfigyeléseket a legközelebbi centroidhoz, és a centroidokat a hozzárendelt pontok átlagaként frissíti. Ez a gépi tanulás és az adatelemzés egyik legszélesebb körben használt exploratív eszköze.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/hu/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.
- DBSCANGépi tanulás↔ compare
- Hierarchikus klaszterezésGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- t-SNEGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →