Talaan ng mga Nilalaman:
- Kahulugan - Ano ang kahulugan ng K-Means Clustering?
- Ipinapaliwanag ng Techopedia ang K-Means Clustering
Kahulugan - Ano ang kahulugan ng K-Means Clustering?
Ang K-ibig sabihin ng kumpol ay isang simpleng hindi sinusuportahang pag-aaral ng algorithm na ginagamit upang malutas ang mga problema sa clustering. Sinusundan nito ang isang simpleng pamamaraan ng pag-uuri ng isang naibigay na data na itinakda sa isang bilang ng mga kumpol, na tinukoy ng titik na "k, " na naayos na bago. Ang mga kumpol ay pagkatapos ay nakaposisyon bilang mga puntos at lahat ng mga obserbasyon o mga puntos ng data ay nauugnay sa pinakamalapit na kumpol, pinagkumpara, nababagay at pagkatapos ang proseso ay nagsisimula sa paggamit ng mga bagong pagsasaayos hanggang sa maabot ang isang nais na resulta.
Ang K-nangangahulugang kumpol ay gumagamit ng mga search engine, market segmentation, statistic at kahit astronomiya.
Ipinapaliwanag ng Techopedia ang K-Means Clustering
Ang K-nangangahulugang kumpol ay isang pamamaraan na ginamit para sa pagsusuri ng kumpol, lalo na sa pagmimina ng data at istatistika. Nilalayon nitong hatiin ang isang hanay ng mga obserbasyon sa isang bilang ng mga kumpol (k), na nagreresulta sa pagkahati ng data sa mga cell ng Voronoi. Maari itong isaalang-alang ng isang paraan upang malaman kung aling pangkat ang isang tiyak na bagay na nabibilang.
Ito ay ginagamit pangunahin sa mga istatistika at maaaring mailapat sa halos anumang sangay ng pag-aaral. Halimbawa, sa marketing, maaari itong magamit sa pangkat ng iba't ibang mga demograpiko ng mga tao sa mga simpleng pangkat na ginagawang mas madali para sa mga target ng mga namimili. Ginagamit ito ng mga astronomo upang mag-ayos sa malaking halaga ng data ng astronomya; dahil hindi nila masuri ang bawat bagay nang paisa-isa, kailangan nila ng paraan upang istatistika na makahanap ng mga punto ng interes para sa pagmamasid at pagsisiyasat.
Ang algorithm:
- Ang mga puntos ng K ay inilalagay sa puwang ng data ng object na kumakatawan sa paunang pangkat ng mga sentro.
- Ang bawat object o data point ay itinalaga sa pinakamalapit na k.
- Matapos italaga ang lahat ng mga bagay, ang mga posisyon ng k sentroids ay kinakalkula.
- Ang mga hakbang 2 at 3 ay paulit-ulit hanggang sa ang mga posisyon ng mga sentroid ay hindi na gumagalaw.
