Machine learningMachine learning
온라인 K-평균
Online K-means는 전체 데이터셋을 메모리에 저장하지 않고 한 번에 하나의 관측치 — 또는 작은 미니 배치 — 를 사용하여 클러스터 중심을 업데이트하는 고전적인 K-means 알고리즘의 스트리밍 변형입니다. 이는 배치 재계산이 너무 느리거나 비현실적인 대규모, 실시간 또는 지속적으로 도착하는 데이터에 특히 적합합니다.
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.
출처
- MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Vol. 1, pp. 281–297. University of California Press. link ↗
- Sculley, D. (2010). Web-scale k-means clustering. In Proceedings of the 19th International Conference on World Wide Web (WWW 2010), pp. 1177–1178. ACM. DOI: 10.1145/1772690.1772862 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Online K-means Clustering (Sequential / Streaming K-means). ScholarGate. https://scholargate.app/ko/machine-learning/online-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 →