Machine learningMachine learning

Кластеризация методом k-средних

k-means — это классический неконтролируемый алгоритм разделяющей кластеризации, который разбивает набор данных на K непересекающихся групп путем итеративного назначения каждой наблюдения ближайшему центроиду и обновления центроидов как среднего их назначенных точек. Это один из наиболее широко используемых разведочных инструментов в машинном обучении и анализе данных.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

+17 more

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/ru/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

Упоминается в

ScholarGateK-means (K-means Clustering Algorithm). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/k-means · Набор данных: https://doi.org/10.5281/zenodo.20539026