Machine learning
K-Means-klynging
K-Means-klynging er en sentroid-basert partisjoneringsklyngingsalgoritme, sporet til J. MacQueen i 1967, som deler data i k klynger ved å tilordne hver observasjon til sitt nærmeste klyngesenter. Den er mye brukt for markedssegmentering, kundegruppering og utforskende analyse.
Les hele metoden
Kun for medlemmer
Logg innLogg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/no/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.
- Hierarkisk grupperingMaskinlæring↔ compare
- Lineær diskriminantanalyse (LDAStatistikk↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Affinity Propagation-klyngingAssosiasjonsregelutvinning (Apriori)Ensemble Gaussisk BlandingsmodellForklarende Gaussisk BlandingsmodellForklarbar K-MeansFP-Growth (Frequent Pattern Growth)Fuzzy C-Means-klynging (FCM)Granulær databehandling (Informasjonsgranulering)Latent Dirichlet Allocation (LDA)Non-negativ matrisefaktorisering (NMF)Online K-meansSelvorganiserende kart (Kohonen-kart)Stochastic Block Model
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →