CLUSTER.KMEANS
說明
叢集是一種資料挖掘技術，用於將一組物件分組為較小的群組，其中每個群組的成員在某些方面與其他成員相似。叢集用於機器學習中，例如，目標是尋找有意義的結構或說明流程。您可以使用數字進行數量集群，也可以使用種類進行定性集群。CLUSTER.KMEANS 是一個量化函數，可讓您透過計算點之間的距離並將中心分組，將工作簿中的一系列資料分組。函數會將每個資料點分組，其中距離中心最近的叢集。
語法
CLUSTER.KMEANS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1︰要分析的儲存格範圍。
- k︰要建立的叢集數。
- maxIterations︰重新執行演算法的次數上限。如果您未指定值，則上限為 100。
- distanceMeasure︰用於尋找點之間距離的演算法。可能的值包括堪培拉距離、切比雪夫距離、推土機距離、歐幾里德距離或曼哈頓距離。如果您未指定值，則函數會使用 EuclideanDistance。
- emptyStrategy︰函數在執行演算法迭代時發現空白叢集時要使用的策略。可能的值為 ERROR、FARTHEST_POINT、LARGEST_POINTS_NUMBER 或 LARGEST_VARIANCE。如果您未指定值，則函數會使用 LARGEST_VARIANCE。如果您指定 ERROR，函數會在儲存格中傳回 #ERROR 及說明。範例︰CLUSTER.KMEANS︰k-均值中的空白叢集。