OPTIMALES EINDIMENSIONALES K-MEANS-CLUSTERING

Optimales eindimensionales k-Means-Clustering

Partitionsskalare Beobachtungen in zusammenhängend sortierte Cluster mit dem weltweit minimalen Quadratfehler.

IHRE BERECHNUNG

Ergebnisbereich ausblenden

Ergebnis

—

Rechenschritte

Gehen Sie die Schritte einzeln durch oder zeigen Sie die gesamte Berechnung an. Die Schritte verwenden Ihre aktuellen Eingaben.

Berechnungsmethode

Sortieren Sie Beobachtungen und verwenden Sie dynamische Programmierung über jede zusammenhängende Clustergrenze.

DP[k,j]=min_i(DP[k−1,i]+SSE of sorted positions i…j−1)

Rechenbeispiel

Die Werte 1;2;3 und 10;11;12 bilden zwei Cluster mit den Zentren 2 und 11 und einer gesamten Fehlerquadratsumme von 4.

Annahmen und Hinweise zu den Eingaben

Scalar Euclidean Quadratfehler nur, gleiche Beobachtungsgewichte. Krawatten können mehrere optimale Partitionen zulassen; die erste angetroffene Grenze bleibt erhalten. Keine automatische Wahl von k oder mehrdimensionalen Clustern.

Hinweise zum Rechner

Kann ich eigene Werte eingeben?

Ja. Ersetzen Sie die Beispielwerte durch Ihre eigenen Eingaben. Ergebnis, Rechenschritte, Tabellen und gegebenenfalls Diagramme werden entsprechend aktualisiert. Bei leeren oder ungültigen Eingaben wird das Ergebnis gelöscht. Fehlende Angaben werden niemals unbemerkt durch Beispielwerte ersetzt.

Sind die Ergebnisse exakt?

Die Ergebnisse beruhen auf Gleitkommaarithmetik und werden für die Anzeige gerundet. Beachten Sie die Formel, die Annahmen und die gegebenenfalls angegebene Datengenauigkeit.

Werden meine Eingaben hochgeladen?

Die Berechnung erfolgt in Ihrem Browser. Ein Benutzerkonto, Datei-Uploads oder ein externer KI-Dienst sind nicht erforderlich. Beim Neuladen der Seite werden die Eingaben zurückgesetzt.

Reservierter Werbeplatz.