K-means algoritam klasterovanja
K-means je klasičan algoritam particionog klasterovanja bez nadzora koji deli skup podataka na K međusobno isključivih grupa iterativnim dodeljivanjem svake opservacije njenom najbližem centroidu i ažuriranjem centoida kao srednje vrednosti njihovih dodeljenih tačaka. To je jedan od najčešće korišćenih eksploratornih alata u mašinskom učenju i analizi podataka.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/sr/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.
- DBSCANMašinsko učenje↔ compare
- Hijerarhijsko grupisanjeMašinsko učenje↔ compare
- Analiza glavnih komponentiMašinsko učenje↔ compare
- t-SNEMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →