Πίνακας περιεχομένων:
- Ορισμός - Τι σημαίνουν οι λέξεις-κλειδιά K-Means Clustering;
- Η Techopedia εξηγεί το K-Means Clustering
Ορισμός - Τι σημαίνουν οι λέξεις-κλειδιά K-Means Clustering;
Η ομαδοποίηση Κ-μέσων είναι ένας απλός αλγόριθμος μάθησης χωρίς επίβλεψη ο οποίος χρησιμοποιείται για την επίλυση προβλημάτων συσσωμάτωσης. Ακολουθεί μια απλή διαδικασία ταξινόμησης ενός δεδομένου συνόλου δεδομένων σε έναν αριθμό ομάδων, που ορίζονται από το γράμμα "k", το οποίο έχει οριστεί εκ των προτέρων. Τα clusters τοποθετούνται στη συνέχεια ως σημεία και όλες οι παρατηρήσεις ή τα σημεία δεδομένων συνδέονται με το πλησιέστερο σύμπλεγμα, υπολογίζονται, προσαρμόζονται και στη συνέχεια ξεκινάει η διαδικασία χρησιμοποιώντας τις νέες ρυθμίσεις έως ότου επιτευχθεί το επιθυμητό αποτέλεσμα.
Η ομαδοποίηση Κ-μέσων έχει χρήσεις στις μηχανές αναζήτησης, τον κατακερματισμό της αγοράς, τις στατιστικές και ακόμη και την αστρονομία.
Η Techopedia εξηγεί το K-Means Clustering
Η συγκέντρωση Κ-μέσων είναι μια μέθοδος που χρησιμοποιείται για την ανάλυση συσσωμάτωσης, ειδικά στην εξόρυξη δεδομένων και στις στατιστικές. Σκοπός της είναι να χωρίσει ένα σύνολο παρατηρήσεων σε μια σειρά ομάδων (k), με αποτέλεσμα το χωρισμό των δεδομένων στα κύτταρα Voronoi. Μπορεί να θεωρηθεί μια μέθοδος για να διαπιστωθεί σε ποια ομάδα ανήκει ένα συγκεκριμένο αντικείμενο.
Χρησιμοποιείται κυρίως στις στατιστικές και μπορεί να εφαρμοστεί σε σχεδόν οποιοδήποτε κλάδο της μελέτης. Για παράδειγμα, στο μάρκετινγκ, μπορεί να χρησιμοποιηθεί για να ομαδοποιήσει διαφορετικά δημογραφικά στοιχεία ατόμων σε απλές ομάδες που διευκολύνουν τους διαφημιζόμενους να στοχεύσουν. Οι αστρονόμοι το χρησιμοποιούν για να κοσκινίσουν τεράστια ποσά αστρονομικών δεδομένων. επειδή δεν μπορούν να αναλύσουν το κάθε αντικείμενο ένα προς ένα, χρειάζονται έναν τρόπο να βρουν στατιστικά σημεία ενδιαφέροντος για παρατήρηση και έρευνα.
Ο αλγόριθμος:
- Τα σημεία Κ τοποθετούνται στον χώρο δεδομένων αντικειμένων που αντιπροσωπεύει την αρχική ομάδα των κεντροειδών.
- Κάθε αντικείμενο ή σημείο δεδομένων έχει αντιστοιχιστεί στο πλησιέστερο k.
- Μετά την εκχώρηση όλων των αντικειμένων, οι θέσεις των k centroids υπολογίζονται εκ νέου.
- Τα βήματα 2 και 3 επαναλαμβάνονται μέχρις ότου οι θέσεις των κεντροειδών να μην κινούνται πλέον.
