Innehållsförteckning:
Definition - Vad betyder K-Means Clustering?
K-betyder klustering är en enkel okontrollerad inlärningsalgoritm som används för att lösa klusterproblem. Det följer en enkel procedur för klassificering av en given datauppsättning i ett antal kluster, definierade av bokstaven "k", som är fixerad i förväg. Klusteren placeras sedan som punkter och alla observationer eller datapunkter är associerade med närmaste kluster, beräknas, justeras och sedan börjar processen med att använda de nya justeringarna tills ett önskat resultat har uppnåtts.
K-betyder klustering har användningar i sökmotorer, marknadssegmentering, statistik och till och med astronomi.
Techopedia förklarar K-Means Clustering
K-betyder klustering är en metod som används för klusteranalys, speciellt inom data mining och statistik. Det syftar till att dela upp en uppsättning observationer i ett antal kluster (k), vilket resulterar i uppdelningen av data i Voronoi-celler. Det kan betraktas som en metod för att ta reda på vilken grupp ett visst objekt verkligen tillhör.
Det används främst i statistik och kan tillämpas på nästan alla grenar av studier. I marknadsföring kan det till exempel användas för att gruppera olika demografier av människor i enkla grupper som gör det lättare för marknadsförare att rikta in sig. Astronomer använder den för att sikta genom enorma mängder astronomiska data; eftersom de inte kan analysera varje objekt en efter en behöver de ett sätt att statistiskt hitta intressanta punkter för observation och utredning.
Algoritmen:
- K-punkter placeras i objektdatautrymmet som representerar den initiala gruppen av centroids.
- Varje objekt eller datapunkt tilldelas till det närmaste k.
- När alla objekt har tilldelats, beräknas k centroids positioner på nytt.
- Steg 2 och 3 upprepas tills centroids positioner inte längre rör sig.
