K-Means klasterizācija
K-Means klasterizācija ir uz centroidiem balstīts particionējošās klasterizācijas algoritms, kura pirmsākumi meklējami pie J. MacQueen 1967. gadā, un tas sadala datus k klasteros, katru novērojumu piešķirot tuvākajam klastera centram. To plaši izmanto mārketinga segmentācijai, klientu grupēšanai un izpētes analīzei.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/lv/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.
- Hierarhiskā klasterizācijaMašīnmācīšanās↔ compare
- Lineārās diskriminanta analīze (LDAStatistika↔ compare
- Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →