idx = kmeans(X,k) performs k-means

idx = kmeans(X,k) performs k-means clustering to partition the

observations of the n-by-p data matrix X into k clusters, and
returns an n-by-1 vector (idx) containing cluster indices of
each observation.
Rows of X correspond to points and columns correspond to variables.

Train a k-Means Clustering Algorithm
Cluster data using k-means clustering, then plot the cluster
regions.

Load Fisher's iris data set. Use the petal lengths and widths as
predictors

ผลลัพธ์ (ไทย) 1:

idx = kmeans(X,k) ทำ k-หมายถึงคลัสเตอร์พาร์ติชัน ข้อสังเกตของเมตริกซ์ n p ข้อมูล X ในคลัสเตอร์ k และ ส่งกลับค่าเป็นเวกเตอร์ n 1 (idx) ประกอบด้วยดัชนีที่คลัสเตอร์ของ สังเกตแต่ละครั้ง แถวของ X ที่สอดคล้องกับจุด และคอลัมน์ที่สอดคล้องกับตัวแปร รถไฟ k หมายถึงคลัสเตอร์อัลกอริทึม ข้อมูลคลัสเตอร์โดยใช้ k-หมายถึง คลัสเตอร์ แล้วพล็อตคลัสเตอร์ ขอบเขตการ โหลดชุดข้อมูล iris ของฟิชเชอร์ ใช้กลีบดอกไม้ความยาวและความกว้างเป็น predictors

ผลลัพธ์ (ไทย) 2:

IDX = kmeans (x, k) ดำเนิน k หมายถึงการจัดกลุ่มเพื่อแบ่งการสังเกตของn โดยพีข้อมูลเมทริกซ์ X ลงในกลุ่ม k และส่งกลับโดยn-1 เวกเตอร์ (IDX) ที่มีดัชนีกลุ่มของแต่ละสังเกตแถวของ X สอดคล้องกับจุดและคอลัมน์ที่สอดคล้องกับตัวแปร. รถไฟ K-หมายถึงขั้นตอนวิธีการจัดกลุ่มข้อมูลโดยใช้คลัสเตอร์k หมายถึงการจัดกลุ่มแล้วพล็อตกลุ่มภูมิภาค. โหลดไอริสฟิชเชอร์ชุดข้อมูล ใช้ความยาวและความกว้างกลีบดอกเป็นพยากรณ์

ผลลัพธ์ (ไทย) 3:

kmeans IDX = ( x , k ) แสดง k-means การจัดกลุ่มไปยังพาร์ทิชัน

สังเกตของ n-by-p Data Matrix X ในกลุ่ม K ,
) และเวกเตอร์ n-by-1 ( IDX ) ประกอบด้วยกลุ่มดัชนี
สังเกตแต่ละ .
แถว x ที่สอดคล้องกับจุดและคอลัมน์สอดคล้องกับตัวแปร

ฝึก k-means clustering algorithm
กลุ่มข้อมูลโดยใช้ k-means การจัดกลุ่มแล้วแปลง

กลุ่มภูมิภาคโหลดของ Fisher ไอริสชุดข้อมูล ใช้กลีบยาวและความกว้างตามที่
ตัวแปร