Πώς υπολογίζεται το K μέσο όρο;
Πώς υπολογίζεται το K μέσο όρο;

Βίντεο: Πώς υπολογίζεται το K μέσο όρο;

Βίντεο: Πώς υπολογίζεται το K μέσο όρο;
Βίντεο: Μέσος Όρος - Πήρα Βαθμούς 2024, Νοέμβριος
Anonim

κ - Που σημαίνει Ομαδοποίηση

Επιλέγω κ σημεία τυχαία ως κέντρα συστάδων. Αντιστοιχίστε αντικείμενα στο πλησιέστερο κέντρο συστάδας σύμφωνα με τη συνάρτηση Ευκλείδειας απόστασης. Υπολογίζω το κέντρο ή σημαίνω όλων των αντικειμένων σε κάθε σύμπλεγμα. Επαναλάβετε τα βήματα 2, 3 και 4 μέχρι να αντιστοιχιστούν οι ίδιοι πόντοι σε κάθε ομάδα σε διαδοχικούς γύρους.

Από εδώ, τι σημαίνει το Κ σε Κ;

κ - που σημαίνει Η ομαδοποίηση είναι ένας από τους απλούστερους και δημοφιλείς αλγόριθμους μηχανικής εκμάθησης χωρίς επίβλεψη. Με άλλα λόγια, το κ - που σημαίνει ο αλγόριθμος προσδιορίζει κ τον αριθμό των κεντροειδών και, στη συνέχεια, εκχωρεί κάθε σημείο δεδομένων στο πλησιέστερο σύμπλεγμα, διατηρώντας παράλληλα τα κεντροειδή όσο το δυνατόν μικρότερα.

Επίσης, ένας τρόπος εύρεσης της τιμής K για το K σημαίνει ομαδοποίηση; Βασικά δεν υπάρχει τέτοιο μέθοδος που μπορεί ακριβώς να καθορίσει το αξία του κ . Υπάρχουν διάφορες τεχνικές που ακολουθούνται για την ακρίβεια αξία του κ . ο σημαίνω απόσταση μεταξύ του σημείου δεδομένων και του σύμπλεγμα είναι το πιο σημαντικό παράγοντας που μπορεί να καθορίσει την αξία του κ και αυτό μέθοδος είναι σύνηθες να συγκρίνουμε.

Απλώς, πώς λειτουργεί το K σημαίνει αλγόριθμος;

ο κ - σημαίνει αλγόριθμος ομαδοποίησης προσπαθεί να χωρίσει ένα δεδομένο ανώνυμο σύνολο δεδομένων (ένα σύνολο που δεν περιέχει πληροφορίες ως προς την ταυτότητα κλάσης) σε έναν σταθερό αριθμό ( κ ) των συστάδων. Αρχικά κ επιλέγεται ο αριθμός των λεγόμενων κεντροειδών. Κάθε κεντροειδές ορίζεται στη συνέχεια στην αριθμητική σημαίνω του συμπλέγματος που ορίζει.

Γιατί Κ σημαίνει;

ο κ - που σημαίνει Ο αλγόριθμος ομαδοποίησης χρησιμοποιείται για την εύρεση ομάδων που δεν έχουν επισημανθεί ρητά στα δεδομένα. Αυτό μπορεί να χρησιμοποιηθεί για την επιβεβαίωση επιχειρηματικών υποθέσεων σχετικά με τους τύπους ομάδων που υπάρχουν ή για τον εντοπισμό άγνωστων ομάδων σε πολύπλοκα σύνολα δεδομένων.

Συνιστάται: