Clustering K-means
K-means è un classico algoritmo di clustering partizionale non supervisionato che divide un dataset in K gruppi non sovrapposti, assegnando iterativamente ogni osservazione al suo centroide più vicino e aggiornando i centroidi come la media dei punti ad essi assegnati. È uno degli strumenti esplorativi più utilizzati nell'apprendimento automatico e nell'analisi dei dati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/it/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.
- DBSCANApprendimento automatico↔ compare
- Clustering gerarchicoApprendimento automatico↔ compare
- Analisi delle Componenti PrincipaliApprendimento automatico↔ compare
- t-SNEApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →