K-Means-klustring
K-Means-klustring är en centroidbaserad partitionsklustringsalgoritm, med ursprung hos J. MacQueen 1967, som delar upp data i k kluster genom att tilldela varje observation till dess närmaste klustercentrum. Den används flitigt för marknadssegmentering, kundgruppering och explorativ analys.
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.
+6 more
Källor
- MacQueen, J. (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 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/sv/machine-learning/k-means-clustering
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.
- Hierarkisk klustringMaskininlärning↔ compare
- Linjär diskriminantanalys (LDAStatistik↔ compare
- Random ForestMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →