ScholarGate
Assistent
Machine learningMachine learning

K-means klyngeanalyse

K-means er en klassisk, uovervåket, partisjonerende klyngealgoritme som deler et datasett inn i K ikke-overlappende grupper ved iterativt å tilordne hver observasjon til sitt nærmeste sentroid og oppdatere sentroidene som gjennomsnittet av deres tilordnede punkter. Den er et av de mest brukte utforskende verktøyene innen maskinlæring og dataanalyse.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

+17 more

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateK-means (K-means Clustering Algorithm). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/k-means · Datasett: https://doi.org/10.5281/zenodo.20539026