- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
K-means الگوریتمی بدون نظارت برای تقسیم نمونه‌ها به K خوشه است. الگوریتم مرکزهای اولیه را تعیین می‌کند، هر نمونه را به نزدیک‌ترین مرکز نسبت می‌دهد و مرکزها را با میانگین اعضای خوشه به‌روزرسانی می‌کند.
نحوه کار و کاربرد
تعداد خوشه‌ها باید از پیش مشخص شود. نتیجه به مقداردهی اولیه و مقیاس ویژگی‌ها حساس است و ممکن است در اجراهای مختلف تفاوت داشته باشد. چند مقدار K را مقایسه کنید و معنا و کاربرد خوشه‌ها را نیز بررسی نمایید.
نمونه
use Phpml\Clustering\KMeans;
$samples = [[1,1],[1,2],[2,1],[8,8],[9,8],[8,9]];
$clusterer = new KMeans(2);
$clusters = $clusterer->cluster($samples);نکته
K-means برای خوشه‌های تقریباً فشرده مناسب‌تر است و در برابر نقاط پرت حساس است.
اصطلاحات مرتبط در واژه‌نامه: خوشه‌بندی