Klasteryzacja K-średnich
Klasteryzacja K-średnich to algorytm klasteryzacji partycjonującej oparty na centroidach, wywodzący się od J. MacQueena z 1967 roku, który dzieli dane na k klastrów poprzez przypisanie każdej obserwacji do jej najbliższego centrum klastra. Jest szeroko stosowany do segmentacji marketingowej, grupowania klientów i analizy eksploracyjnej.
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.
+6 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/pl/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.
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Analiza dyskryminacyjna liniowa (LDAStatystyka↔ compare
- Random ForestUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →