K-means-klustring
K-means är en klassisk oövervakad partitionsklustringsalgoritm som delar upp ett dataset i K icke-överlappande grupper genom att iterativt tilldela varje observation till dess närmaste centroid och uppdatera centroiderna som medelvärdet av deras tilldelade punkter. Det är ett av de mest använda explorativa verktygen inom maskininlärning och dataanalys.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/sv/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.
- DBSCANMaskininlärning↔ compare
- Hierarkisk klustringMaskininlärning↔ compare
- Analys av huvudkomponenterMaskininlärning↔ compare
- t-SNEMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →