Machine learning
การจัดกลุ่มแบบ K-Means
การจัดกลุ่มแบบ K-Means (K-Means Clustering) เป็นขั้นตอนวิธีจัดกลุ่มแบบแบ่งส่วนที่อิงตามจุดศูนย์กลาง ซึ่งมีที่มาจาก J. MacQueen ในปี 1967 โดยจะแบ่งข้อมูลออกเป็น k กลุ่ม ด้วยการกำหนดแต่ละหน่วยสังเกตการณ์ให้กับจุดศูนย์กลางกลุ่มที่ใกล้ที่สุด มีการใช้งานอย่างแพร่หลายสำหรับการแบ่งส่วนตลาด การจัดกลุ่มลูกค้า และการวิเคราะห์เชิงสำรวจ
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/th/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.
- การจัดกลุ่มแบบลำดับชั้นการเรียนรู้ของเครื่อง↔ compare
- การวิเคราะห์การจำแนกประเภทเชิงเส้น (LDAสถิติศาสตร์↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
ถูกอ้างอิงโดย
Affinity Propagation Clusteringการทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)แบบจำลองเกาส์เซียนผสมแบบรวม (Ensemble Gaussian Mixture Model)โมเดลการผสมแบบเกาส์เซียนที่อธิบายได้Explainable K-MeansFP-Growth (Frequent Pattern Growth)Fuzzy C-Means Clustering (FCM)การคำนวณแบบละเอียด (การสร้างอนุภาคข้อมูล)[NEEDS TRANSLATION]การแยกตัวประกอบเมทริกซ์ไม่เป็นลบ (NMF)Online K-meansแผนที่จัดระเบียบตนเอง (แผนที่โคโอเนน)แบบจำลองบล็อกสุ่ม