Zhlukovanie K-means
K-means je klasický neusmernený partitívny zhlukovací algoritmus, ktorý rozdeľuje dátový súbor na K neprekrývajúcich sa skupín iteratívnym priraďovaním každej pozorovanej hodnoty k jej najbližšiemu centroidu a aktualizáciou centroidov ako priemeru ich priradených bodov. Je to jeden z najrozšírenejších prieskumných nástrojov v strojovom učení a analýze dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/sk/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.
- DBSCANStrojové učenie↔ compare
- Hierarchické zhlukovanieStrojové učenie↔ compare
- Analýza hlavných komponentovStrojové učenie↔ compare
- t-SNEStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →