K-Means 集合分析
Contents
FCS Express可以使用k-means 方法学来执行集合分析
集分析的目的是将一组对象/事件分组，使得同一组如，一个集群)中的对象/事件彼此之间(在某种意义上或另一个方面)彼此比其他组中的对象/事件(例如其他集)更相似。
k-means是一种基于分区的集算法。k-means是一种基于分区的聚类算法。k集通过对数据应用搜索算法获得改进。简化地做法，给出一个预定义的集编号 (k)算法：
| - | 从初始集k中心(例如图心)开始 |
| - | (re)将对象分配给最接近的图心 |
| - | 根据数据点的新成员重新计算图心。 |
| - | 重复最后两个步骤，直到找到一致的结果，或直到达到最大次数。 |
基础的k-means集是基于非确定性算法的。这意味着在同一数据上运行算法多次可能会产生不同的结果。然而，为了确保一致的结果，FCS Express执行k-means集使用确定性方法。
要在FCS Express中开始使用集分析，请参见：