k-Means Clusteranalyse: Einfach erklärt

Die k-Means Clusteranalyse ist eine der einfachsten und gängigsten Verfahren zur Clusteranalyse. Damit stellt das k-Means-Verfahren eines der am weitesten verbreiteten Verfahren dar. Es handelt sich dabei um ein partitionierendes Verfahren, welches besonders für große Datenmengen geeignet ist.

Das k-Means-Verfahren probiert, die Datenpunkte so auf die k Cluster zu verteilen, dass die Summe der Entfernungen von jedem Punkt zu dem jeweiligen Cluster Centroid minimiert wird.

Mehr zum k-Means Clustering findest du unter:

Und hier gehts zum online k-Means Cluster Rechner auf DATAtab:

[dogaboy]

Ich bin in der Endphase meiner Masterarbeit und das Video hat mir ENORM geholfen.
Danke dass ihr zudem das Tool anbietet!!❤

[ruyaka]

Mein Leben wurde durch diese Video gerettet! 😂

[tsumakana]

kurze Frage dazu, ich habe bei mir die cluster soweit gebildet, auch mit einigen ausgeschlossenen Datensätzen. Wenn ich dann eine Variable habe, welche von allen teilnehmern (also auch die aus der cluster augeschlossenen) Datensätze hat, darf ich dann auch damit auch Korrelationen mit den anfangsgebildeten Clustern nehmen oder muss ich dafür die ausgeschlossenen Datensätze auch aus der du messenden Variable ausschließen)

[nolevel]

Wie sieht die Verteilung der Punkte aus, wenn ich anstatt dem Alter das Geschlecht verwendet hätte? Kann ich überhaupt zur Clusterbildung eine nominale mit einer metrischen Variable kombinieren?