k-평균 군집화와 k-중앙개체 군집화

평균 또는 중앙개체 거리를 최소화하여 군집화, 마할라노비스 거리 계산

k-평균 군집화와 k-중앙개체 군집화는 k개의 상호 배타적인 군집으로 데이터를 분할합니다. 이러한 기법은 데이터 점에서 할당되는 군집의 평균 또는 중앙값 위치까지의 거리를 최소화하는 방식으로 각 관측값을 군집에 할당합니다. 마할라노비스 거리는 표본 데이터의 평균과 표준편차를 사용하여 계산하는 측정법으로, 단위가 지정되어 있지 않으며 데이터 내 상관관계를 고려합니다.

라이브 편집기 작업

데이터 군집화Cluster data using k-means or hierarchical clustering in the Live Editor (R2021b 이후)

함수

모두 확장

kmeansk-평균 군집화
kmedoidsk-medoids clustering
mahal기준 표본까지의 마할라노비스 거리
incrementalKMeans Incremental k-means clustering (R2025a 이후)
fitFit principal component analysis model to streaming data (R2024a 이후)
assignClustersAssign observations to existing clusters (R2025a 이후)
updateMetricsUpdate performance metrics in incremental k-means clustering model given new data (R2025a 이후)
resetReset incremental k-means clustering model (R2025a 이후)
incrementalDynamicKMeans Incremental dynamic k-means clustering (R2025a 이후)
fitTrain model for incremental dynamic k-means clustering (R2025a 이후)
assignClustersAssign observations to existing clusters and dynamic clusters (R2025a 이후)
updateMetricsUpdate performance metrics in incremental dynamic k-means clustering model given new data (R2025a 이후)
resetReset incremental dynamic k-means clustering model (R2025a 이후)

도움말 항목