K-Means Clustering
K-Means Clustering is een op centroïden gebaseerd partitionerend cluster-algoritme, teruggaand op J. MacQueen in 1967, dat data opsplitst in k clusters door elke observatie toe te wijzen aan het dichtstbijzijnde clustercentrum. Het wordt veelvuldig gebruikt voor marketingsegmentatie, klantgroepering en verkennende analyse.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
+6 meer
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/nl/machine-learning/k-means-clustering
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Hiërarchische clusteringMachine learning↔ vergelijken
- Lineaire Discriminantieanalyse (LDAStatistiek↔ vergelijken
- Random ForestMachine learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →