Agrupamento K-means
K-means é um algoritmo clássico de agrupamento particional não supervisionado que divide um conjunto de dados em K grupos não sobrepostos, atribuindo iterativamente cada observação ao seu centroide mais próximo e atualizando os centroides como a média dos pontos atribuídos a eles. É uma das ferramentas exploratórias mais amplamente utilizadas em aprendizado de máquina e análise de dados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/pt/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.
- DBSCANAprendizado de máquina↔ compare
- Agrupamento HierárquicoAprendizado de máquina↔ compare
- Análise de Componentes PrincipaisAprendizado de máquina↔ compare
- t-SNEAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →