PengeLCManan K-means
K-means ialah algoritma pengelompokan berbahagian yang tidak diawasi klasik yang membahagikan satu set data kepada K kumpulan yang tidak bertindih dengan secara berulang menetapkan setiap pemerhatian kepada sentroid terdekatnya dan mengemas kini sentroid sebagai min bagi titik-titik yang ditugaskan kepadanya. Ia adalah salah satu alat penerokaan yang paling meluas digunakan dalam pembelajaran mesin dan analisis data.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/ms/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.
- DBSCANPembelajaran Mesin↔ compare
- Pencapanian HierarkisPembelajaran Mesin↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
- t-SNEPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →