Clustering K-means
K-means adalah algoritma pengelompokan partisional tanpa pengawasan klasik yang membagi kumpulan data menjadi K kelompok yang tidak tumpang tindih dengan secara iteratif menetapkan setiap observasi ke sentroid terdekatnya dan memperbarui sentroid sebagai rata-rata dari titik-titik yang ditugaskan. Ini adalah salah satu alat eksplorasi yang paling banyak digunakan dalam pembelajaran mesin dan analisis data.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/id/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.
- DBSCANPembelajaran Mesin↔ compare
- Pengelompokan HirarkisPembelajaran Mesin↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
- t-SNEPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →