Machine learning

K-Means聚类

K-Means聚类是一种基于质心的划分聚类算法，其历史可追溯至1967年J. MacQueen的研究，它通过将每个观测值分配到最近的聚类中心来将数据划分为k个簇。该算法广泛应用于市场细分、客户分组和探索性分析。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

K-Means聚类

层次聚类线性判别分析 (LDA 随机森林亲和传播聚类关联规则挖掘（Apriori）集成高斯混合模型可解释高斯混合模型可解释K-Means FP-Growth (频繁模式增长)模糊 C均值聚类 (FCM)

+6 more

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 1). K-Means Clustering (Lloyd–MacQueen Algorithm). ScholarGate. https://scholargate.app/zh/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.

Compare side by side →

被引用于

亲和传播聚类关联规则挖掘（Apriori）集成高斯混合模型可解释高斯混合模型可解释K-Means FP-Growth (频繁模式增长)模糊 C均值聚类 (FCM)粒计算（信息粒化）潜在狄利克雷分配 (LDA)非负矩阵分解 (NMF)在线K均值聚类 (Online K-means)自组织映射 (Kohonen 映射)随机块模型

发现本页有问题？报告或提出修改建议 →

阅读完整方法

Method map

来源

如何引用本页

相关方法

Which method?

被引用于