Grupowanie K-średnich (K-means Clustering)
K-means to klasyczny algorytm grupowania partycyjnego bez nadzoru, który dzieli zbiór danych na K niepokrywających się grup poprzez iteracyjne przypisywanie każdej obserwacji do najbliższego centroidu i aktualizowanie centroidów jako średniej przypisanych do nich punktów. Jest to jedno z najczęściej używanych narzędzi eksploracyjnych w uczeniu maszynowym i analizie danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/pl/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.
- DBSCANUczenie maszynowe↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Analiza Głównych SkładowychUczenie maszynowe↔ compare
- t-SNEUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →