Clustering K-Means
Il Clustering K-Means è un algoritmo di clustering partizionale basato sui centroidi, la cui origine risale a J. MacQueen nel 1967, che suddivide i dati in k cluster assegnando ogni osservazione al centro del cluster più vicino. È ampiamente utilizzato per la segmentazione di marketing, il raggruppamento di clienti e l'analisi esplorativa.
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.
+6 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/it/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.
- Clustering gerarchicoApprendimento automatico↔ compare
- Analisi Discriminante Lineare (LDAStatistica↔ compare
- Random ForestApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →