K-means cluster analysis uses a squ

K-means cluster analysis uses a squared Euclidean distance
to place firms closest to the cluster center witb cbaracteristics
most similar to the firm's. Two key issues that
arise wben k-means cluster analysis is employed are the
specification of initial cluster centers and the number of
clusters to be specified. Altbough k-means clustering allows
for repeated case reassignment to maximize between
centroid distance and minimize within cluster differences,
k-means clustering does not incorporate a procedure
for specifying initial cluster centers.

ผลลัพธ์ (ไทย) 1:

K หมายถึงการแบ่งใช้ยุคลิดยกกำลังสองการทำบริษัทที่ใกล้เคียงกับคลัสเตอร์ศูนย์ witb cbaracteristicsส่วนใหญ่คล้ายคลึงกันกับของบริษัท เรื่องสำคัญสองที่เกิด wben k หมายถึงแบ่งเป็นลูกจ้างอยู่ข้อมูลจำเพาะของคลัสเตอร์เริ่มต้นศูนย์และจำนวนคลัสเตอร์ต้องระบุ K Altbough-หมายถึงคลัสเตอร์ให้การศัลยกรรมแปลงกรณีซ้ำเพื่อเพิ่มระหว่างเซนทรอยด์ห่างจากที่พัก และลดภายในคลัสเตอร์ที่แตกต่างk-หมายถึงคลัสเตอร์รวมกระบวนงานสำหรับการระบุคลัสเตอร์เริ่มต้นศูนย์

ผลลัพธ์ (ไทย) 2:

K หมายถึงการวิเคราะห์กลุ่มใช้ระยะทางยุคลิดสอง
ที่จะวาง บริษัท ที่ใกล้ชิดกับกลุ่มศูนย์ witb cbaracteristics
ส่วนใหญ่คล้ายกับ บริษัท สองประเด็นสำคัญที่
เกิดขึ้น WBEN k-หมายถึงการวิเคราะห์กลุ่มเป็นลูกจ้างเป็น
สเปคของศูนย์คลัสเตอร์เริ่มต้นและจำนวนของ
กลุ่มที่จะระบุ Altbough k หมายถึงการจัดกลุ่มช่วยให้
สำหรับการโอนกรณีซ้ำเพื่อเพิ่มระหว่าง
ระยะ centroid และลดความแตกต่างภายในกลุ่ม
k หมายถึงการจัดกลุ่มไม่ได้รวมขั้นตอน
สำหรับการระบุศูนย์คลัสเตอร์เริ่มต้น

ผลลัพธ์ (ไทย) 3:

กลุ่มใช้สถิติการวิเคราะห์ k-means ระยะทางแบบยุคลิด
ที่บริษัทใกล้ศูนย์กลุ่ม witb cbaracteristics
คล้ายกันมากที่สุดกับบริษัทเป็นสองประเด็นที่
เกิดขึ้น wben k-means การวิเคราะห์กลุ่มใช้เป็นสเปคของคลัสเตอร์และศูนย์

เริ่มต้นจำนวนของกลุ่มที่จะมีการระบุ altbough การจัดกลุ่มให้
k-meansสำหรับกรณีแปลงซ้ำเพื่อเพิ่มระยะทางระหว่างเซนทรอยด์และลดความแตกต่าง

k-means ภายในกลุ่มคลัสเตอร์ไม่รวมศูนย์กลุ่มเพื่อระบุขั้นตอน

เริ่มต้น .