Although k-mean is an effective met

Although k-mean is an effective method, it still has room for improvements, such as the means of selecting the number of clusters. For this experiment, the number of clusters was set to 4 since it is the total of Bartle's types of players. All datasets must have a numerical sample because the algorithm depends on the distance means between each point to be calculated. The next section will explain Bartle’s types of players.

結果 (繁體中文) 1:

儘管K均值是一種有效的方法，它仍然有改進的空間，如選擇的簇的數目的裝置。在這個實驗中，集群的數量被設定為4，因為它是總巴特爾的類型的球員的。因為該算法依賴於距離的裝置之間被計算出的各點的所有數據集必須有一個數字樣本。

下一節將解釋巴特爾的類型的球員。

結果 (繁體中文) 2:

儘管 k-均值是一種有效的方法，但它仍有改進的餘地，例如選擇群集數的方法。對於這個實驗，集群的數量被設置為4，因為它是巴特爾的玩家類型的總和。所有資料集都必須有一個數位樣本，因為演算法取決於要計算的每個點之間的距離均值。

下一節將解釋巴特爾的球員類型。

結果 (繁體中文) 3:

雖然k-平均值法是一種有效的聚類方法，但在選擇聚類數目等方面仍有改進的餘地。在這個實驗中，集羣的數量被設定為4，因為它是巴特爾類型玩家的總數。所有數据集都必須有一個數值樣本，因為算灋取決於要計算的每個點之間的距離平均值。
下一節將解釋巴特爾的球員類型。