k 均值聚类和 k 中心点聚类

通过最小化均值距离或中心点距离进行聚类并计算马氏距离

k 均值和 k 中心点聚类将数据划分为 k 个互斥簇。这些方法按以下原则将每个观测值分配给簇：使观测值离所分配给的簇均值位置或中值位置距离最小。马氏距离是使用样本数据的均值和标准差计算的无单位度量，体现了数据内的相关性。

实时编辑器任务

数据聚类Cluster data using k-means or hierarchical clustering in the Live Editor (自 R2021b 起)

函数

全部展开

kmeansk 均值聚类
kmedoidsk-medoids clustering
mahalMahalanobis distance to reference samples
incrementalKMeans Incremental k-means clustering (自 R2025a 起)
fitFit principal component analysis model to streaming data (自 R2024a 起)
assignClustersAssign observations to existing clusters (自 R2025a 起)
updateMetricsUpdate performance metrics in incremental k-means clustering model given new data (自 R2025a 起)
resetReset incremental k-means clustering model (自 R2025a 起)
incrementalDynamicKMeans Incremental dynamic k-means clustering (自 R2025a 起)
fitTrain model for incremental dynamic k-means clustering (自 R2025a 起)
assignClustersAssign observations to existing clusters and dynamic clusters (自 R2025a 起)
updateMetricsUpdate performance metrics in incremental dynamic k-means clustering model given new data (自 R2025a 起)
resetReset incremental dynamic k-means clustering model (自 R2025a 起)

主题