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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Источники
- 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 ↗
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.
- DBSCANМашинное обучение↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- t-SNEМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →