Machine learningMachine learning
K-means 군집화
K-means는 각 관측치를 가장 가까운 중심점(centroid)에 반복적으로 할당하고 할당된 점들의 평균으로 중심점을 업데이트함으로써 데이터셋을 K개의 비겹치는 그룹으로 분할하는 고전적인 비지도 분할 군집 알고리즘입니다. 이는 머신러닝과 데이터 분석에서 가장 널리 사용되는 탐색 도구 중 하나입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →이 방법을 참조하는 항목
Apriori 알고리즘연관 규칙오토인코더베이즈 가우시안 혼합 모델BIRCHDTW Barycenter Averaging (DBA)앙상블 HDBSCAN앙상블 K-평균설명 가능한 DBSCANMean Shift온라인 가우시안 혼합 모델정규화된 가우시안 혼합 모델정규화 K-평균 군집화Robust Gaussian Mixture ModelRobust HDBSCAN로버스트 k-평균자기 지도 학습 기반 DBSCAN자기 지도 K-평균준지도학습 DBSCAN준지도 HDBSCAN준지도 학습 K-평균 (Semi-supervised K-means)스펙트럼 군집화UMAP