K-Means Clustering Algorithm
Contoh Input Data :
N Dimension (n,m) : 2,2
Samples : 5.09,5.80,3.24,5.90,1.68,4.90,1.00,3.17,1.48,1.38,2.91,0.20,4.76,0.10,6.32,1.10,7.00,2.83,6.52,4.62
Centroids : 1.48,1.38,4.76,0.10
Keterangan :
N,M Dimensions : Dimensi Array dari data samples dan centroids.
Contoh : N,M Dimension = 2,2, maka samples = [5.09,5.80],[3.24,5.90],[1.68,4.90],[1.00,3.17],[1.48,1.38],[2.91,0.20],[4.76,0.10],[6.32,1.10],[7.00,2.83],[6.52,4.62].
centroids = [[1.48,1.38],[4.76,0.10]]
Samples : Data yang akan dipartisi
Centroids (Optional) : Nilai awal set point pada tiap cluster, bila n,m dimensions 2,2 maka centroid haruslah berisi 2*m float number (4 angka) seperti contoh diatas. Bila tidak diisi, maka centroid akan diambil dari nilai awal samples.
Contoh bila N,M Dimensions : 2,3 maka samples akan dibagi 2 dimensi dan centroid 3 dimensi (2*3 angka) menjadi [[5.09,5.80],[3.24,5.90],[1.68,4.90]]
Baca artikel selengkapnya di : http://bit.ly/ejs_k-means