Machine learningMachine learning
การจัดกลุ่มแบบ K-means
K-means เป็นอัลกอริทึมการแบ่งกลุ่มแบบไม่มีผู้สอน (unsupervised partitional clustering) แบบคลาสสิกที่แบ่งชุดข้อมูลออกเป็น K กลุ่มที่ไม่ทับซ้อนกัน โดยการกำหนดจุดข้อมูลแต่ละจุดไปยังจุดศูนย์กลาง (centroid) ที่ใกล้ที่สุดซ้ำๆ และปรับปรุงจุดศูนย์กลางให้เป็นค่าเฉลี่ยของจุดที่ถูกกำหนดให้ เป็นหนึ่งในเครื่องมือสำรวจที่ใช้กันอย่างแพร่หลายที่สุดในการเรียนรู้ของเครื่องและการวิเคราะห์ข้อมูล
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/th/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.
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบลำดับชั้นการเรียนรู้ของเครื่อง↔ compare
- การวิเคราะห์องค์ประกอบหลักการเรียนรู้ของเครื่อง↔ compare
- t-SNEการเรียนรู้ของเครื่อง↔ compare
ถูกอ้างอิงโดย
อัลกอริทึม AprioriAssociation Rulesออโตเอ็นโค้ดเดอร์แบบจำลองส่วนผสมแบบเกาส์เซียนแบบเบย์ (Bayesian Gaussian Mixture Model)BIRCHการหาค่าเฉลี่ยแบบศูนย์กลางของ DTW (DTW Barycenter Averaging)Ensemble HDBSCANEnsemble K-meansExplainable DBSCANMean Shiftโมเดลเกาส์เซียนผสมแบบออนไลน์Regularized Gaussian Mixture ModelRegularized K-Means ClusteringRobust Gaussian Mixture ModelRobust HDBSCANRobust k-meansDBSCAN ที่เรียนรู้ด้วยตนเอง (Self-supervised DBSCAN)Self-supervised K-meansDBSCAN แบบกึ่งมีผู้สอนSemi-supervised HDBSCANอัลกอริทึม K-means แบบกึ่งมีผู้สอนSpectral ClusteringUMAP