Кластеризація методом k-середніх
K-means — це класичний некерований алгоритм партиційної кластеризації, який розділяє набір даних на K непересічних груп шляхом ітеративного присвоєння кожної спостереження до найближчого центроїда та оновлення центроїдів як середнього значення призначених точок. Це один із найпоширеніших інструментів дослідження в машинному навчанні та аналізі даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+17 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). K-means Clustering Algorithm. ScholarGate. https://scholargate.app/uk/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.
- DBSCANМашинне навчання↔ compare
- Ієрархічна кластеризаціяМашинне навчання↔ compare
- Метод головних компонентМашинне навчання↔ compare
- t-SNEМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →