K-means - История изменений

Patarakin в 08:33, 6 января 2023

2023-01-06T08:33:10Z

← Предыдущая версия		Версия от 11:33, 6 января 2023
Строка 3:		Строка 3:
	\|Field_of_knowledge=Информатика		\|Field_of_knowledge=Информатика
	\|similar_concepts=нейронная сеть, искусственный интеллект, классификация		\|similar_concepts=нейронная сеть, искусственный интеллект, классификация
			\|Environment=Scratch, Snap!
	}}		}}
	Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:		Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:
Строка 8:		Строка 9:
	где <math>k</math> — число кластеров, <math>S_i</math> — полученные кластеры, <math>i = 1, 2, \dots, k</math>, а <math>\mu_i</math> — центры масс всех векторов <math>x</math> из кластера <math>S_i</math>.		где <math>k</math> — число кластеров, <math>S_i</math> — полученные кластеры, <math>i = 1, 2, \dots, k</math>, а <math>\mu_i</math> — центры масс всех векторов <math>x</math> из кластера <math>S_i</math>.

			=== Примеры ===

			<scratch project="190300489" />

			=== Литературы ===
	# Estevez J., Garate G., Graña M. Gentle Introduction to [[Artificial Intelligence]] for High-School Students Using [[Scratch]] // IEEE Access. 2019. Vol. 7. P. 179027–179036.		# Estevez J., Garate G., Graña M. Gentle Introduction to [[Artificial Intelligence]] for High-School Students Using [[Scratch]] // IEEE Access. 2019. Vol. 7. P. 179027–179036.
	# J. MacQueen, Some methods for classification and analysis of multivariate observations, in Proc. 5th Berkeley Symp. Math. Statist. Probab., vol. 1. Berkeley, CA, USA: Univ. California Press, 1967, pp. 281–297.		# J. MacQueen, Some methods for classification and analysis of multivariate observations, in Proc. 5th Berkeley Symp. Math. Statist. Probab., vol. 1. Berkeley, CA, USA: Univ. California Press, 1967, pp. 281–297.

Patarakin в 08:23, 6 января 2023

2023-01-06T08:23:56Z

← Предыдущая версия		Версия от 11:23, 6 января 2023
Строка 2:		Строка 2:
	\|Description=Метод k-средних (англ. k-means) — наиболее популярный метод кластеризации. Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров.		\|Description=Метод k-средних (англ. k-means) — наиболее популярный метод кластеризации. Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров.
	\|Field_of_knowledge=Информатика		\|Field_of_knowledge=Информатика
	\|similar_concepts=нейронная сеть, искусственный интеллект		\|similar_concepts=нейронная сеть, искусственный интеллект, классификация
	}}		}}
	Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:		Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:
Строка 9:		Строка 9:


	1. Estevez J., Garate G., Graña M. Gentle Introduction to [[Artificial Intelligence]] for High-School Students Using [[Scratch]] // IEEE Access. 2019. Vol. 7. P. 179027–179036.		# Estevez J., Garate G., Graña M. Gentle Introduction to [[Artificial Intelligence]] for High-School Students Using [[Scratch]] // IEEE Access. 2019. Vol. 7. P. 179027–179036.
			# J. MacQueen, Some methods for classification and analysis of multivariate observations, in Proc. 5th Berkeley Symp. Math. Statist. Probab., vol. 1. Berkeley, CA, USA: Univ. California Press, 1967, pp. 281–297.

Patarakin в 08:13, 6 января 2023

2023-01-06T08:13:54Z

← Предыдущая версия		Версия от 11:13, 6 января 2023
Строка 7:		Строка 7:
	:: <math>V = \sum_{i=1}^{k} \sum_{x \in S_i} (x - \mu_i)^2 </math>		:: <math>V = \sum_{i=1}^{k} \sum_{x \in S_i} (x - \mu_i)^2 </math>
	где <math>k</math> — число кластеров, <math>S_i</math> — полученные кластеры, <math>i = 1, 2, \dots, k</math>, а <math>\mu_i</math> — центры масс всех векторов <math>x</math> из кластера <math>S_i</math>.		где <math>k</math> — число кластеров, <math>S_i</math> — полученные кластеры, <math>i = 1, 2, \dots, k</math>, а <math>\mu_i</math> — центры масс всех векторов <math>x</math> из кластера <math>S_i</math>.


			1. Estevez J., Garate G., Graña M. Gentle Introduction to [[Artificial Intelligence]] for High-School Students Using [[Scratch]] // IEEE Access. 2019. Vol. 7. P. 179027–179036.

Patarakin: Новая страница: «{{Понятие |Description=Метод k-средних (англ. k-means) — наиболее популярный метод кластеризации. Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров. |Field_of_knowledge=Информатика |simil...»

2023-01-06T08:12:47Z

Новая страница: «{{Понятие |Description=Метод k-средних (англ. k-means) — наиболее популярный метод кластеризации. Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров. |Field_of_knowledge=Информатика |simil...»

Новая страница

{{Понятие
|Description=Метод k-средних (англ. k-means) — наиболее популярный метод кластеризации. Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров.
|Field_of_knowledge=Информатика
|similar_concepts=нейронная сеть, искусственный интеллект
}}
Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:
:: <math>V = \sum_{i=1}^{k} \sum_{x \in S_i} (x - \mu_i)^2 </math>
где <math>k</math> — число кластеров, <math>S_i</math> — полученные кластеры, <math>i = 1, 2, \dots, k</math>, а <math>\mu_i</math> — центры масс всех векторов <math>x</math> из кластера <math>S_i</math>.