CLUSTER.KMEANS.CENTROIDS
描述
聚类是一种数据挖掘技术，可将一组对象划分到更小的组，其中每个组的成员在某些方面与其他成员相似。聚类应用于多个领域，例如机器学习，目标是找到有意义的结构或解释流程。您可以使用数字进行定量聚类，也可以使用种类进行定性聚类。CLUSTER.KMEANS.CENTROIDS 是一种定量函数，通过查找每个组的中心点，以及计算点之间的距离并将中心分组，可以对工作簿中的一系列数据进行聚类。此函数使用具有最近中心的聚类对每个数据点进行分组。
语法
CLUSTER.KMEANS.CENTROIDS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1：要分析的单元格的范围。
- k：要创建的聚类数。
- maxIterations：重新运行算法的最大次数。如果您未指定值，则上限为 100。
- distanceMeasure：用于查找各点之间距离的算法。可能的值包括 CanberraDistance、ChebyshevDistance、EarthMoversDistance、EuclideanDistance 或 ManhattanDistance。如果您未指定值，此函数将使用 EuclideanDistance。
- emptyStrategy：当此函数在运行算法迭代时发现空聚类时要使用的策略。可能的值包括 ERROR、FARTHEST_POINT、LARGEST_POINTS_NUMBER 或 LARGEST_VARIANCE。如果您未指定值，此函数将使用 LARGEST_VARIANCE。如果您将值指定为 ERROR，此函数会在单元格中返回 #ERROR 并提供描述。示例：CLUSTER.KMEANS：k-means 中的空聚类。