ScholarGate
Pembantu
Machine learningMachine learning

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

+17 more

Sumber

  1. Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137. DOI: 10.1109/TIT.1982.1056489
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateK-means (K-means Clustering Algorithm). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/k-means · Set data: https://doi.org/10.5281/zenodo.20539026